按手機行業標準，芯片出貨量要達到千萬級別，收入基本可以覆蓋成本。在CES Asia 2019消費電子展期間，地平線聯合創始人兼算法副總裁黃暢在接受第一財經記者專訪時透露，去年地平線AI芯片的出貨量達到10萬片量級，“雖然這一數量還比較小，但在行業中走得已經比較靠前。未來2到3年，完全有信心上千萬。”
近幾年，包括雲知聲、依圖科技、思必馳和Rokid等不少AI初創企業紛紛推出了自己的AI芯片。
2017年12月,地平線基於其人工智能專用處理器架構 BPU(Brain Processing Unit ) ，發佈了第一代自動駕駛處理器——征程1.0，可用於L2級別的高級駕駛輔助系統(ADAS)，並於2018年4月發佈了地平線Matrix自動駕駛計算平臺。據悉，搭載了地平線第二代BPU的車規級人工智能芯片也將於今年有突破性進展。
不過，黃暢也多次強調，地平線不是一家芯片公司，“我們實際上是一家AI計算平臺解決方案公司，除了芯片，我們也做算法、工具鏈，還有軟硬件的應用參考設計，方便客戶在這個基礎上快速進入產品開發階段，本質上我們是一個平臺公司。 ”
AI芯片的最關鍵指標：有效算力
從工業時代的用電量，到數字經濟時代的用雲量，到AI經濟時代，可以用AI計算量去衡量其發展水平。地平線認爲，有效算力纔是衡量AI芯片的最關鍵指標。
傳統芯片一直在優化PPA指標，即功耗、性能和麪積，而AI時代各家都在拼算力，即以每秒鐘進行多少次的乘法或者加法運算來評價一款AI芯片的優劣。黃暢指出，在AI時代，有效的算力纔是最關鍵的，“算力通常來說只是它最大的可能性，但實際上很多時候是無效的。”
黃暢認爲，在衡量AI芯片的真實性能時有四個關鍵指標，包括每瓦可以進行每秒多少次計算(TOPS/Watt，能源轉化爲計算的效率)，每美元或者每元進行每秒多少次計算(TOPS/$，算力成本)，算力的利用率(Utilization Rate)，以及這些AI有效計算量最終以什麼樣的效率轉化成AI的性能(AI Perf./TOPS，算力轉化爲AI性能輸出的效率)。
其中，有效計算量的轉換效率由算法所決定;而算力利用率則是由算法和架構共同決定的。一方面，隨着算法快速演進，算法的精度不斷提高，同時在達到相同的AI性能時，計算量會大幅降低，轉換效率明顯提升。但是另一方面，算法的演進對計算架構提出越來越高的挑戰，過去GPU等通用芯片的計算架構並不能很好地適應算法的發展趨勢，芯片的利用率下降，導致使用新算法反而得不償失。這也是不少AI算法公司提出要造芯的原因之一。
黃暢指出，與純算法公司和純芯片公司相比，軟件和硬件結合可以更好判斷整個AI算法的發展趨勢。“具體來說，我們面對未來重要場景中的關鍵算法有所取捨。如果還是寄希望於全場景覆蓋所有的算法，走通用計算架構的路線，很難進行有效地系統提升。我們用產品驅動的思路對架構進行敏捷的迭代，更好地支持創新的AI算法。這是我們的基本技術理念，首重效能，兼顧靈活。”這其中有三個關鍵要素，包括芯片的架構、算法和編譯器。
平臺公司：不碰數據、不做應用
黃暢認爲，目前大多數AI公司更多傾向於做Turn-key(交鑰匙)解決方案，因爲落地比較快，因此這些公司做AI芯片的主要目的，應該是爲了進一步提升其在垂直領域中的競爭力。“地平線一開始就定位自己是平臺公司，拿汽車行業來說：定位爲Tier2，技術賦能，不碰數據、不做應用。我們在應用層面做了一些工作，只是爲了提供更好的參考設計給我們的客戶。人工智能的應用領域非常碎片化，任何一家公司都無法全面鋪開。”
但是，即使不深入垂直領域做完整的產品，地平線仍然面臨很多挑戰。如何說服客戶使用其解決方案是最大的挑戰之一。“對於汽車行業來說尤其如此，因爲汽車行業非常注重長期穩定可靠的供應商，要進入這一領域需要很多年的努力和積累，建立足夠的信任關係，並且能持續服務多年。一輛車的生命週期非常長，不像手機一兩年就行。”
針對這一問題，黃暢指出，地平線會針對重要客戶建立銷售服務團隊，既做銷售又提供前端支持服務，“銷售人員要以比較高的頻次拜訪重要客戶，溝通進展，瞭解近況，持續尋找商業落地的線索和機會;客戶服務方面，一旦項目確定以後，尤其是alpha客戶，幾乎都是要以駐場開發的形式來提供服務。”鄭州×××：http://mobile.63856385.com/
對於如何分配底層芯片與算法的投入，黃暢指出，在公司發展初期，在與芯片密切相關的硬件以及芯片底層軟件的投入約佔總的1/3，不到一半，剩下的主要是算法和應用軟件，“當平臺步入成熟，大多數的資源會被投入到軟件方面的工作，包括更好的工具鏈，更好的參考方案設計，甚至更好的原型系統。而伴隨着商業落地的拓展，會有更多的資源，放在客戶支持服務上。這是平臺ToB業務模式的固有規律。“