Imagination是蘋果手機長期的圖形處理技術（GPU）提供方。在2017年4月，蘋果宣布將在未來兩年內停止使用Imagination的圖形處理IP，并終止專利費支付，致使Imagination脫離蘋果的供應鏈。而后，中資背景的私募基金Canyon Bridge于2017年9月收購了Imagination。在近一兩年來，在中國海外高科技并購和反并購的對攻中，這是中國資本少有的斬獲。Imagination涉足GPU、人工智能（AI）和物聯網（IoT）這些熱門科技領域，那么在歐美國家的嚴防死守中，這樣的科技企業為什么會落入中國資本之手？

劉國軍

圖像處理芯片大熱，它的應用場景有哪些，它為什么這么重要？

劉國軍：除了可以讓消費性設備更高質量、更快速度和更低功耗地完成圖像與視頻的展現、還原和處理，圖形處理技術的應用場景的確還有很多。以視覺應用為例就可以發現圖形處理技術正在提供更復雜、更有價值的信息處理與計算，包括提高從圖像或視頻流中提取更高級、更詳細信息的能力以及更高的準確性。例如在安全攝像機市場中，攝像頭就能夠提供人臉識別或者越界報警這樣的詳細分析，而不需要在后端安裝昂貴的服務器來處理回傳的大量圖像和視頻信息，這樣還不會增加信息延遲。再舉一個實際應用的例子：在一個商店環境中，監控設備能夠識別什么時候某人從貨架上拿了東西，這個產品是什么，他們看了多久，以及是否把它放在購物車里，或者放回貨架上。這種統計數據現場就可以分析出來成為重要的商業和服務數據，亞馬遜在美國已經試用了這種技術。

此外，現在圖形處理和人工智能密不可分。在對人工智能技術的討論中，有一點越來越受大家的重視，那就是支撐各類人工智能應用硬件的底層技術。例如，最適合運行谷歌TensorFlow人工智能軟件的不是英特爾的X86芯片，而是圖形處理器。人工智能技術需要圖形處理器而非傳統CPU芯片的原因是：圖形處理器更適合處理并行任務。一個圖形處理器集成有數百個不同的運算內核，訓練神經網絡要求大量更簡單和重復性的步驟，因而更適合在圖形處理器上運行。Imagination是全球領先的圖形處理器IP供應商，公司一直在更新迭代的PowerVR GPU IP產品，加上新近推出的Series2NX神經網絡加速器（NNA）可提供人工智能應用所需的性能，幫助開發人員構建下一代手機、監控、智能車聯、機器人、無人機、智能零售等眾多智能應用中所需的高性能、低功耗芯片產品。

最近華為推出了帶有AI功能的芯片，似乎新手機的比拼很大程度上取決于圖像處理和AI功能？

劉國軍：對。我剛才提到了視覺應用和人工智能，目前大量成熟的應用采用的是數據中心后臺并行運算方式。但有個重要趨勢是這些處理都將向終端轉移，最終的比拼都在終端，手機是非常普遍和重要的終端，所以手機上的圖形處理和人工智能是一個新的競爭趨勢。圖像包含大量的數據，視頻流則更多，因此需要處理的數據量非常大。而終端設備由于功耗和帶寬的限制，如果用傳統的CPU或GPU來處理數據，無法滿足人工智能的性能和帶寬需求。

圖形處理芯片是怎樣支撐無人駕駛的？

劉國軍：當設計自動駕駛汽車時，汽車必須了解其所處的環境。為了做到這一點，需要通過攝像頭觀察道路上的各種情況，然后處理這些攝像頭所采集的信息，進而對道路環境作出分析，以支撐車輛進行判斷來實現自動駕駛。需要采集、處理和反饋的信息包括：其他車輛的位置，街上行人的位置，路牌的內容，道路的標志標線，等等。圖形處理芯片是處理這些信息的專用處理器，可以有效地輔助汽車作出正確的行駛決定。

GPU和AI加速器對于半導體產業的影響是什么？

劉國軍：GPU作為一種與通用處理器架構上完全不同的圖形圖像專用處理器，已經改變了半導體產業，并推動了整個移動產業和應用的革命，極大的豐富了我們的生活并間接改變了我們的工作方式和習慣。GPU在同時進行大量操作方面非常出色，這對于圖形處理非常重要，也適用于其他類型的計算。今天，當用戶在最喜愛的相機應用程序中使用濾鏡時，采用的就是這種技術。許多AI應用也需要大量的計算，這非常適合GPU。

AI（特別是神經網絡）對計算的需求不斷增加，尤其對帶寬的需求很高。這恰恰是專用的AI加速器的價值所在。通過使用專用硬件，可以增加所執行的計算量并優化數據。與GPU相比，可以降低對帶寬的需求，從而提供超過100倍的性能提升。從以上兩點來看，GPU和AI加速器已經是許多獨立芯片或者與其他功能集成在一起的芯片的核心功能，而隨著越來越多的新應用出現，將推動半導體產業去拓展新的發展空間。

手機制造商如華為、蘋果、三星都在開發自己的AI芯片，你們的技術和他們有什么差異？

劉國軍：當前的AI硬件設計和構建還處于早期階段，真正面向最終用戶的完整需求、更復雜的性能、以及低功耗和小面積等約束條件的競爭還未全面展開。為了搶進市場，許多手機制造商最初會自己設計解決方案，因為看起來似乎很容易而且便宜。然而，這一領域正在迅速變化，現在的技術已經有些簡單了，下一代網絡和應用的復雜性正在不斷增加，AI的相關設計會越來越復雜。這就需要專門的硬件IP供應商，它們擁有專職工程師團隊，全職負責設計和改進我們的視覺和AI硬件產品組合，加上構建復雜硬件系統的專業知識和經驗，能夠實現符合甚至超越定制的解決方案。我們的優勢在于，如果手機制造商想要停止在芯片內部使用他們自己的解決方案，我們可以輕松地更換他們原有的解決方案，并使他們能繼續構建差異化且具有競爭力的產品。這是半導體行業的一個共同趨勢和發展規律，之前在GPU和CPU的發展演進上就有類似的情況發生，如今只有極少數供應商具有強大的產品發展路線圖和技術能力來支撐這種演進。

手機制造商為什么要自己投入巨資和精力去做越來越多的東西？

劉國軍：不光是手機制造商，有很多系統廠商，他們要做自己專用的處理器。像華為海思，他們希望能夠有自己核心的競爭力，這個核心競爭力就體現在芯片上。另外，他們希望在功能和特性上實現跟別人不一樣的差異化，這是最原始的動力。回到AI這個角度，手機廠商或者手機芯片廠商，他們要做自己的AI處理器架構，也和這個有關系，他們想提升自己產品的差異化程度和市場競爭力，希望把核心競爭力掌握在自己手中。另外也有商業方面的考慮，對于有些大廠商，如果用別人的東西，在他們出貨量那么大的情況下，巨大的研發投入和其他相關成本勢必能夠得到攤銷。

不過，ICT產業發展總是在一種高度垂直集成和開放資源整合之間找到平衡。大家在過去既看到越來越大的、無所不包企業集團，也看到了許多老牌公司不斷拆分出許多新的專業公司，同時還看到許多半導體公司放棄自己的技術架構，而采用市場上更通行的、更有競爭力的技術架構，所以對于手機制造商和其他系統制造商，以及其集團內部或者外部為其提供關鍵芯片的部門或者公司，采用市場上最優的底層技術和IP永遠都是一種選擇或者一次超越的機會。

去年你們脫離了蘋果供應鏈，那么手機企業之外你們其他客戶在哪里？

劉國軍：手機芯片廠商或者手機廠商都是我們的目標客戶或者核心客戶。我們產品的應用很寬泛，除了手機芯片之外，比如自動駕駛、無人機、視頻監控、數字電視、虛擬現實/增強現實（AR/VR）等領域都有客戶采用我們的產品。

芯片企業需要具有什么樣的能力，才有資源去設計人工智能芯片并在市場中成功？

劉國軍：人工智能是一個廣闊的領域，除了Imagination之外，還有許多不同的企業、機構和組織涉身其中。人工智能的目標是讓我們的世界變得更加智能，有許多不同的輔助技術可以實現人工智能，其中一項重要技術就是機器學習，特別是深度神經網絡。這項技術使計算機能夠學習，然后將這些知識應用于給定的應用程序去進行下一步的處理，或者推動系統下一步的操作或應用。

專用的人工智能芯片，是針對這些AI應用專門進行優化、設計和構建的芯片。目前的系統設計模式是專用的AI芯片通常與現有的主芯片SoC獨立存在并實現互補。但與其他硬件功能的發展模式相似，AI芯片和功能將會很快被集成到主SoC之中。目前在設計最好的AI硬件和芯片方面，大家在解決了有無之后將很快展開一場殘酷的比賽，每種設計所采用的不同架構與方法的優劣也將很快顯現出來。

隨著時間的推移以及這個領域的成熟，很多人會敗下陣來，只有技術架構、產品實現、市場應用、專業服務等等綜合最好的企業才能生存下來；換言之，我們不能只看到市場導入期時的熱鬧，而只有那些能夠在這個殘酷的市場中生存下去的企業才能成功。對于芯片設計企業，選擇好的技術合作伙伴也是其經營中重要的一條，從移動GPU發展的早期開始，Imagination Technologies就一直處于這個領域的前沿，我們不僅擁有經驗與實力，而且擁有面向各類應用的專業知識，我們不僅將在這種環境中茁壯成長，而且有足夠的資源去支持芯片設計公司用戶取得成功。AI芯片可以提供數十倍到數百倍的性能提升，同時保持最低的功耗與成本。此外，一直以來，神經網絡非常耗費帶寬，因此內存的帶寬需求會隨著神經網絡模型規模的增長而增加，這會為SoC設計人員，算法人員及OEM公司在設計系統時帶來重大的挑戰。這就需要從核心架構上做最優設計，能最小化系統的帶寬需求。

Imagination被中國資本并購經歷了什么樣的過程？

劉國軍：半導體行業一直是一個并購不斷的行業。有人將芯片稱為信息社會的糧食，但是對于中國這樣一個全球最大芯片市場，芯片相關的技術都是由別人控制的，所以過去至少二三十年，中國的半導體業者大家都一起做了很大的努力去發展國內的半導體產業。現在隨著中國GDP的增長，我們國家持續在半導體方面加大投入，國內半導體行業在過去十年間發展迅速，我們也有不少企業在產業鏈上做出成績，如芯片設計、芯片制造、封裝測試，還包括華為這種做系統與終端產品的廠商也進入芯片領域，大家進步都很大， 但是我們很多核心的技術還是很落后，或者說我們核心技術基本還是跟在別人后面，或者等著別人提供。

現在有資金，去海外并購一些具有核心技術或特殊技術，以及有研發能力的隊伍和公司，是一個很自然和收益很高的事情，這在過去幾年也不斷發生。但是并購會碰到障礙，個中原因比較多，最大的原因是政治原因。半導體最厲害的國家是美國，其次是在歐洲。這次凱橋基金并購Imagination時，選擇回避我們原有的MIPS CPU IP，MIPS的知識產權在美國，所以在并購之前，我們先把這部分業務剝離了。對英國業務部門的并購，公司管理層是樂見其成的。由于蘋果的變化，對我們企業的沖擊很大，因此公司管理層歡迎來自中國資本的并購，而中國又擁有很大的市場，所以我覺得這是一個非常理智的想法。

其實美國有很多這樣的公司，但是由于政府干預，政治原因，并購不順利。

我認為并購是半導體行業的特征，行業內有各種各樣的小公司，同時整個產業鏈需要不斷整合、不斷提高，所以并購很正常。

對中國的產業來講，在核心競爭力上還是落后很多的，一方面我們會加強自己本地的原創，加強研發和投入，另一方面，也會通過資本的方式去購買國外的核心技術，當然這會涉及國家之間的競爭，所以碰到的障礙就多。

就半導體產業而言，好像能買的都買過來了，剩下的買不來的技術該怎么辦？

劉國軍：按理說，本來企業間并購這個事不應該有障礙，這是個開放的世界。但是從另外一個角度考慮，國家之間存在競爭，還有政治的問題，設置障礙和壁壘也是正常的。到目前這個程度，雖然很難再去購買公司了，但是并不意味著交流就要停止，國家與國家之間的合作，或者說產業之間的、市場和研發之間的關系錯綜復雜，有各種合作方式，因而交流是肯定要繼續下去。此外，我剛才提到了，我們國家這么多年在研發上、在基礎研究上也在不斷加強、不斷提升自己的能力，我們也在創造自己的東西，以做到自主可控，這已經不僅僅是一個方向，很多企業已經實現了自己的研發能力不斷提升和各種自有產權的創新。

國內大學的基礎研究似乎還不能對產業形成很好的支撐？

劉國軍：我也認為國內大學現在的基礎研究還遠遠不能支撐產業的發展，但是要往前走，就會涉及很多其他問題，例如我們與大學、科學研究機構如何合作，他們應該做什么、怎么做，國家應該怎么去支持。這是一個復雜的系統工程，而且這不是一個觀點或者一個政策就能解決的問題。再往下談就會涉及我們的中小學教育了。