精簡互聯(lián)網，投身硬科技，這還是那個我們熟悉的字節(jié)嗎？

7月21日，據界面新聞從字節(jié)跳動內部人士獲悉，CEO梁汝波將個人OKR中的一項更新為“大幅降低2022—2023年招聘計劃，降低組織規(guī)模增速，并提升組織效率。”

盡管字節(jié)跳動今年一再縮招，但其芯片團隊卻仍維持擴張之勢。

自7月以來，字節(jié)跳動在招聘網站上發(fā)布多個芯片職位，包括SoC和Core的前端設計，模型性能分析，驗證，底層軟件和驅動開發(fā)等。

在資質方面，字節(jié)對上述崗位提出熟悉RISC-V和ARM系統(tǒng)架構的要求，而在系統(tǒng)開發(fā)、驗證兩個崗位上，還有熟悉X86架構的要求。

多條線索都在表明字節(jié)跳動正加速推動自研AI芯片與服務器芯片的落地。7月20日，針對自研芯片一事，字節(jié)跳動副總裁楊震原回應稱，目前公司無通用芯片商業(yè)計劃，也沒有涉足CPU、GPU等通用芯片業(yè)務。除了主要采購 X86 芯片，字節(jié)也和芯片供應商探索 RISC 架構芯片在云端的使用。

“雖然火山引擎目前市場比較小，但還是有這方面的需求�！币晃粯I(yè)內人士向虎嗅表示，字節(jié)自研芯片將主要用于火山引擎的云業(yè)務上。

論自研芯片，字節(jié)跳動算是后知后覺的那一個。早在2010年，百度就率先邁出了第一步，組建團隊開始嘗試研發(fā)云端芯片，并于8年后發(fā)布了第一款AI芯片“昆侖”。同一年，阿里達摩院發(fā)布神經網絡芯片Ali—NPU，騰訊領投AI芯片公司燧原科技的3.4億元Pre-A輪融資。

但值得一提的是，在造芯這件事上，互聯(lián)網大廠們保持了相當程度上的克制。一方面，國內高制程Foundary產能十分有限，如果一股腦地“All in”芯片設計，也存在著“圖紙積壓成山，市場一片難求”的風險。

另一方面，雖然專用芯片不像通用芯片那樣需要繁瑣的配套軟件生態(tài)開發(fā)，但動輒十幾億的項目投入和兩至三年的研發(fā)周期，即使強如BAT，也不得不在這一問題上慎之又慎。

只不過，當下圍繞云計算的市場競爭，正在迫使大廠們放棄恪守的商業(yè)模式，走上自研芯片的道路。

大廠造芯，不得已為之

紙面上說得天花亂墜，不如“降價”二字來得實在。

圍繞云計算市場的價格戰(zhàn)，已經把大廠們折騰的筋疲力盡，但字節(jié)旗下的火山引擎作為2020年才上線的公司，想要從“三朵云”的口中搶食，還是需要扯起“性價比”的大旗。

國內“大廠云”的營收大頭仍在IaaS層，作為一項“互聯(lián)網基礎設施”，IaaS云服務算是不折不扣的重資產運營模式，其本質還是服務器資源的租賃，如何降低服務器的成本也就自然而然地成為這場價格戰(zhàn)中參與者最關心的問題。

“行業(yè)內造芯的出發(fā)點都差不多，就是為了降本增效，盡管自研芯片的前期研發(fā)投入比較高，但在規(guī)模化投產后，單片成本一定比集中采購低�！币晃煌瑢倩ヂ�(lián)網大廠芯片從業(yè)者向虎嗅做出這樣的解釋。

這其中的量價關系并不難理解，問題是前期投入要高多少？

我們可以算這樣一筆賬，首先說流片，根據業(yè)內目前的行情，14nm工藝芯片，流片一次需要300萬美元左右，7nm工藝芯片，流片一次的價格直接飆升到3000萬美元。這還是小版圖的終端芯片價格，云端芯片的流片價格通常還要高出50%左右。

需要說明的是，即使是高通、AMD這樣的老牌設計廠商也不敢保證第一次流片就成功。此前業(yè)內就有小米的澎湃S2芯片連續(xù)5次流片失敗，最終設計團隊直接重組的先例。

對于不熟悉Foundary體系的互聯(lián)網廠商而言，所需要面臨的不僅僅是成本問題，還有產能與交期問題。

這還只是流片一個環(huán)節(jié)，在正式流片之前還需完成產品定義、設計、驗證模擬等一系列工作，從事芯片設計的李亞林告訴虎嗅，“以字節(jié)的體量來說，后續(xù)他們至少要維持一支千人以上的芯片團隊，才能保證項目組的正常運轉�！�

另據“投資界”的報道，為了從海思、高通挖走骨干，字節(jié)跳動近期開啟了“三倍薪酬”的挖人模式，而此前，字節(jié)已經挖走了高通的資深芯片人士盧山。字節(jié)在芯片團隊上付出的工資成本可想而知。

“短期來看，這是一筆怎么算都會賠本的帳。”上述業(yè)內人士對字節(jié)造芯做出了這樣的判斷。

盡管資金投入巨大，但眼下的字節(jié)跳動，或者說互聯(lián)網大廠們的“造芯運動”其實是一件“不得不做”的事情。

“大家用的都是通用型處理器，過去可以借助芯片制程和軟件優(yōu)化實現(xiàn)最終效能的提升，但現(xiàn)在硬件廠靠摩爾定律升級這條路被嚴重放緩，軟件又在開源浪潮的下被高度開發(fā)，要想繼續(xù)提升效能就只能從最底層的專用芯片入手。”虎嗅資深分析師李賡解釋道。

他所提到的專用芯片也可以泛指AI芯片，從技術路線上，F(xiàn)PGA、ASIC和ASSP甚至傳統(tǒng)的GPU，都可以被歸到此列當中。與通用處理器CPU相比，專用芯片具備更多的ALU（邏輯運算單元），雖然不能像CPU那樣執(zhí)行復雜的指令，但在簡單指令上，算力要比CPU高得多。

因此，在定制處理器的態(tài)度上，云服務廠商也大多秉承著“趕早不趕晚”的原則。

何況在這個行業(yè)中，已經有亞馬遜、谷歌等公司作為先行者，且收效頗豐。自2015年亞馬遜收購Annapurna開啟芯片自研之路以來，AWS已經先后歷經百余次降價，成為業(yè)內不折不扣的“價格殺手”。

誠然，這與IaaS行業(yè)產品高度同質化下的競爭壓力有關，但能打得起價格戰(zhàn)的前提是，自研芯片對采購成本的大幅度降低。

回到字節(jié)造芯這件事上，火山引擎自2020年6月上市后，就打出了“極致性價比”的招牌，在去年的一次采訪中，火山引擎總經理譚待就曾表示，實現(xiàn)極致性價比的方式就是“全棧自研、軟硬一體”。

即使不考慮商用化的問題，就字節(jié)自身業(yè)務需求來看，由于頭條、抖音等龐大業(yè)務也在火山引擎上，支撐這些業(yè)務的超過百萬臺服務器同樣面臨著巨大的成本壓力，自研專用芯片可能不是一個最優(yōu)方案，但至少是現(xiàn)階段最可行的方案。

落地場景？我們自帶

除了云業(yè)務的降本問題外，字節(jié)造芯可能還有基于應用場景的考量。

“過去行業(yè)內關注的重點都落在算力上，但現(xiàn)在基本沒人在乎這個問題，因為算力普遍虛標，投資人更關注芯片有沒有經過落地場景的評估。”一位資深業(yè)內人士向虎嗅表示。

楊震原在采訪中也提到，“字節(jié)的自研芯片探索主要圍繞自身視頻推薦業(yè)務展開，研發(fā)團隊將為字節(jié)大規(guī)模視頻推薦服務專用場景定制硬件優(yōu)化如視頻編解碼、云端推理加速等。”

具體來看，視頻編解碼很好理解，對數(shù)字視頻進行壓縮或者解壓縮的過程。根據字節(jié)2020年披露的數(shù)據，在這一年抖音用戶每天上傳的短視頻數(shù)量多達6000萬條以及附帶的PB級別的數(shù)據量，這對字節(jié)服務器的傳輸能力是個不小的考驗。

傳統(tǒng)的編解碼技術大致分為兩種，第一種是英特爾的VAC視覺計算加速卡，它的處理器內置了圖形內核和硬件編碼器，第二種是選擇通用處理器和軟件編碼技術。

這兩種編輯碼技術用于處理一般數(shù)據量尚可，但面對海量數(shù)據時效費比并不樂觀。谷歌對此的解決方案是，直接設計一個專門用于視頻編解碼的芯片Argos，據谷歌統(tǒng)計，搭載該芯片的VCU（video coding units）將會替換下數(shù)千萬個英特爾至強處理器，字節(jié)未來規(guī)劃的視頻編解碼芯片可能與之類似。

而“云端推理加速”更像是字節(jié)為深化“精準推薦”提前做出的準備。

這里我們以抖音為例，相信大多數(shù)從業(yè)者都能認同，抖音的推薦質量代表著字節(jié)系，乃至國內互聯(lián)網推薦算法能力的最高水平。

但這套推薦算法在抖音日漸臃腫的業(yè)務線下已開始“力不從心”。比如僅在抖音的“同城”入口下，就進一步細化為美食、休閑、游玩等等多個二級入口，如何維持短視頻與本地生活、直播帶貨的高效聯(lián)動，成為抖音當下需要面對的問題。

AI推理芯片的應用場景則很適用于抖音復雜的視頻推薦機制。“AI推理芯片可以針對算法進行特殊優(yōu)化，比如加強視頻結構化分析�！币晃恢悄茉品⻊掌鲝臉I(yè)人士告訴虎嗅，AI推理芯片的應用可以極大提升結構化數(shù)據庫的響應能力。

當然，依靠視頻解碼算力配合AI推理算力實現(xiàn)計算加速，并非是抖音一家的專利。早在2018年，快手就領投了專注AI視覺芯片研發(fā)的博瀚半導體，這家公司在去年也不負快手所望，拿出了云端推理AI芯片。

相較于手機公司在ISP、電源管理芯片、NPU等相對“邊緣化”芯片徘徊的現(xiàn)狀不同，互聯(lián)網大廠擁有著復雜的、且需要深度定制的場景需求，這些需求也促使大廠們不得不走出舒適圈，親自下場造芯。

“硬件門外漢”的挑戰(zhàn)

對于自研芯片這件事，字節(jié)似乎有著更大的野心，但在執(zhí)行中卻謹小慎微。

自去年9月開始，字節(jié)接連投資了睿思芯科、希姆計算、摩爾線程、云脈芯聯(lián)、潤石科技、光舟半導體等一眾芯片廠商。

有些投資能夠直接反映出字節(jié)在造芯上的布局，比如睿思芯科，這家公司本身就是研發(fā)基于RISC-V指令集芯片的獨角獸。還有一些公司與字節(jié)的主業(yè)無關，比如開發(fā)衍射光學芯片的光舟半導體，這類芯片目前最主流的應用場景就是VR頭顯設備，這顯然是字節(jié)在為Pico規(guī)劃未來。

但截至目前，字節(jié)尚未收購任何一家芯片公司。

其中的原因不難猜測，在字節(jié)上市之前，他們有充足的理由去縮減風險較高的擴張項目，而長久以來，字節(jié)也禁止那些被投資企業(yè)打著“字節(jié)系”的名號進入市場，以規(guī)避“尾大不掉”的帽子。

可問題是，在沒有任何相關從業(yè)經驗，東拼西湊地組建一支團隊去造芯，而且還是最底層的云端AI芯片做起，這事能成嗎？

亞馬遜的大神工程師James Hamilton在提出“做基于ARM架構的數(shù)據中心芯片后”的想法后，亞馬遜隨即收購了以色列的初創(chuàng)公司Annapurna Labs，并在兩年后推出了第一顆自研芯片。

無獨有偶，在阿里巴巴芯片項目上馬之初，也是先全資收購了CPU IP Core公司中天微，后來才有了“平頭哥”的成立。

亞馬遜和阿里大費周章地“先收購，后立項”是多此一舉嗎？顯然不是。雖然芯片設計在工藝上沒有Foundary那樣繁瑣，但在產品開發(fā)流程的復雜程度上完全不輸于后者。

在一個完整芯片設計團隊中，至少要包含四個二級團隊，市場團隊進行前期需求分析、架構團隊負責架構設計、設計團隊負責邏輯設計、實現(xiàn)團隊完成物理實現(xiàn)，這還不包括驗證仿真和原型驗證等眾多子項目。

“在物理實現(xiàn)階段，如果有一步不能滿足之前的要求，都要重復之前的過程，因此一般公司在操作大項目時，往往都會有多個版本的項目組同步進行，但對于沒有長時間磨合的團隊而言，設計、修改、論證反復循環(huán)的過程，會消耗掉大量的資金和時間成本�！痹谫Y深從業(yè)者李亞林看來，臨時搭建“草臺班子”的辦法在芯片行業(yè)內絕非長久之計。

更重要的是，字節(jié)跳動這家公司此前幾乎沒有任何硬件開發(fā)經驗，為數(shù)不多的如兩年前面向教輔市場推出的“大力神燈”，其技術和供應鏈管理難度相較于芯片設計有著云泥之別。

而如今大步邁入芯片行業(yè)的字節(jié)跳動，在沒有芯片公司班底且缺乏硬件開發(fā)經驗的背景下，可能將面對前所未有的挑戰(zhàn)。