AI產業華山論劍：芯際爭霸誰是大英雄？

AI產業核心研究報告：芯際爭霸誰是大英雄？

張孝榮，殷竹馨

江湖上一片血雨腥風。舊的廠商沒落，新的門派崛起。互聯網行業面臨生死存亡。

人工智慧，這門功夫自1956年問世以來，至今已經歷一甲子風風雨雨。經過兩代武林高手的錘鍊，終於在第三代門人的手裡開始問鼎江湖。

從前，AI流派眾多，但功夫難學難練。經典載明，功夫要大成，必須要練就一種叫做「演算法」的神功，到數據的深海里，接受驚濤巨浪的鍛煉。但幾十年來，根本就沒有發現什麼數據海洋，大家能找到的練功場所，不外是幾個水潭湖泊而已。甚至於有人認為，人工智慧就是一個科幻，就是小說家跟人類開的一個玩笑而已。

誰也沒想到，21世紀的互聯網上誕生了一族怪獸：大數據。

有練功者，發現通過訓練大數據怪獸，就能出現傳送門，直接抵達世界級數據洋，於是單練一門「深度學習」神功，日日夜夜「打怪」。隨著搏擊各類體量巨大和類別多樣的數據怪獸，功力與日俱增。行走江湖間，不意頭角崢嶸。有人感慨：真是祖墳冒青煙啊。

江湖紛傳，AI將是人類社會指路明星，AI將救萬民於水火，AI將潤物細無聲般地滲透到我們的生活中，無論是解放司機的自動駕駛，還是聰明機敏的個人助理，抑或是閱人無數的智能監控，從電商零售到理財投資，從醫療健康到智能出行，從教育到安防······人工智慧必將是人類不可分割的一部分，奧創和幻視將是人類進軍宇宙的終極武器，什麼超人鋼鐵俠，統統low爆了。

廟堂之上也為AI駕臨人間雀躍不已。世界各國意識到人工智慧的重要性，紛紛簞食壺漿，以迎王師。

聯合國於2016年發布告示，召集人類討論機器人的製造和使用如何促進人工智慧的進步，以及可能帶來的社會與倫理問題。

美國政府於2016年連續頒發三道金牌：《美國國家人工智慧研發戰略計劃》、《為人工智慧的未來做好準備》、《人工智慧、自動化與經濟報告》，宣稱加入人工智慧教派，並且描繪了此舉能帶來的種種美好的前景。

英國政府見此立即照方抓藥，刊發了《機器人技術和人工智慧》報告，詳細的闡述英國的機器人技術與AI的親密關係。

入AI教門，刷大數據怪獸，需要具備兩個條件：

一個是刷怪功法，演算法。目前最主流的是深度學習，分成DBN，CNN，BP，RBM等等諸多分支，其中佼佼者當屬CNN(convolutionalneural networks)，人稱卷積神經網路，練者最眾。

另一個是刷怪靈丹，晶元。要降服大數據怪獸，必須攜帶這種叫做人工智慧晶元的靈丹。煉丹，有許多法門。目前主要形成了東邪西毒南帝北丐四大流派，各門各派年年選派高手上華山比武，一較高低。

新的時代即意味著新的機會，芯際爭霸大幕拉開，且看華山論劍，誰是大英雄。

話說天下AI煉丹共分四大流派，目前銳氣正盛的是桃花島的東邪GPU，憑藉并行計算形成先發優勢，將古老的CPU一派壓得死死的。

蟄伏北方的是北丐FPGA，擅長易容術，正在暗地裡合縱連橫，大有號令群雄的勢頭。

割據建國的南帝ASIC，佔領了大片疆土，雖旗下門派林立互不統屬，依然高手迭出。

更有意思的是遠在白駝山的西毒，開發了類腦晶元，暗藏著問鼎中原的野心。

根據互聯網公開發布信息，今年，四大流派已經派出幾十路高手，參與華山論劍，這些高手均處外丹大成階段，即晶元設計階段。這些晶元可不只用於PC端和伺服器端，現在消耗最多的是各類毫不起眼的嵌入式系統。

桃花島的功夫是出了名的視覺效果好，不光好看，技術含量也很高，動不動就是五行八卦，奇門遁甲。

因島主黃藥師的興趣廣泛，凡天文、地理、星相、醫卜、兵法、術數……這些學問無一不學無一不精。觀察人士認為，漢學代表中華道統所在，包括儒家在內的融合各家各派思想的中華數千年來的文明和文化，黃島主將之煉為一爐，展示了強大的并行計算能力。

并行計算是相對於串列計算來說的。要知道，自計算機誕生以來，電腦編程幾乎一直都是串列計算，絕大多數的程序只存在一個進程或線程，好比一個人只能先吃飯再看聊天。但更多人喜歡邊吃飯邊聊天怎麼辦？遇到這類問題，串列計算就傻眼了。

并行計算一次可執行多個指令的演算法，能夠完美解決吃飯聊天難題。解決方式可分為時間上的并行和空間上的并行。時間上的并行就是指流水線技術，而空間上的并行則是指用眾多個處理器併發的執行計算。非常適合「深度學習」之用。

深度學習所依賴的是神經系統網路，通常網路越深，需要的訓練時間越長。對於一些網路結構來說，如果使用串列的X86 處理器來訓練的話，可能需要幾個月、甚至幾年，因此必須要使用并行甚至是異構并行的方法，才有可能讓訓練時間變得可以接受。AI領域過去曾用CPU處理數據，但CPU效力太低。當年，有個叫做谷歌的高手要練AI，曾經花費巨資購買1.6萬個處理器，煉成一顆大丹—谷歌大腦，峰值功耗在10萬瓦以上，佔地面積數十平方米，如此才突破了第一層境界---貓臉識別。

試問天下練功者，有幾人能玩的起1.6萬個處理器？

「笨死了，簡直是暴殄天物。」

有個年輕的高手，輕蔑的笑了一笑，拿出了自己的獨門心法--GPU。大家眼前頓時一亮。

GPU,也稱視覺處理器，專門用於圖像及相關處理的晶元。

1999年以前，第一代GPU主要做3D 圖像處理的加速作用，不具有軟體編程特性。

1999年-2005年間，出現了第二代GPU。圖形硬體的流水線被正式定義為流處理器，出現了頂點級有限可編程性。

2006 年以後，第三代GPU問世，可以直接編寫程序。2006年英偉達與ATI 分別推出了CUDA(統一計算架構)編程環境和CTM編程環境；2008 年，蘋果公司提出了通用并行計算編程平台OpenCL (開放運算語言)。

2012年，一位天才高手橫空出世。這位高手名字是Alex Krizhevsky，多倫多大學的博士研究所，Alex提出的AlexNet網路結構模型，在ImageNet武林大會上奪下了2012屆的冠軍。

該模型的奇妙之處在於，僅憑藉兩個GPU就取得了訓練深層神經網路的極佳效果。江湖頓時為之轟動，於是引發了GPU訓練神經網路的風潮。

有人會問，CPU和GPU，煉出來的都是處理器，兩者有神馬不同？

與CPU相比，GPU 出現得遠比 CPU 晚，但并行計算能力能卻常令CPU望塵莫及。如果看單個核心浮點運算能力的話，CPU比GPU強很多，比如CPU核心主頻有3-4Ghz，而GPU核心主頻最高也就1Ghz左右，但差距在於CPU最多也就十幾個核心，GPU動輒幾百上千個核心。例如TITAN X採用 NVIDIA Maxwell GPU 架構，結合3072個處理核心。

有一個比喻很恰當，CPU就像大學里一位德高望重的老教授，積分微分啥都會算，但畢竟它只有一個人，當計算任務太重的時候也會被累趴下，而FPGA這樣的結構，就像是整個中學里所有中學生組成的隊列，每個人都只會算簡單的加減乘除，但有些量大但不複雜的運算任務交給他們就是會比較快。

在當前的人工智慧晶元領域，東邪一派實力範圍不容小覷，以桃花島為圓心畫一個圈，幾乎覆蓋了5成以上，而且覆蓋範圍還年年擴大。據Jon Peddie Research（簡稱JPR）市場調研公司統計，在2008至2015年期間，除了2008年GPU市場規模稍有下降，其餘年份全球獨立顯卡的出貨量和銷售額都呈現出明顯的上升趨勢，並且在2012至2015年有加速上升的表現。

東邪旗下兩大高手，一是大島主英偉達，佔市場份額約7成，另一位則是萬年老二AMD，佔市場份額約3成。

從GPU用戶數量來看，根據英偉達2016年的財務報告，相比2013年的100家，2014年的1549家，2015年已有3409家機構或企業使用英偉達的GPU產品，從事人工智慧的研究。這些企業和機構包括各大高等院校的人工智慧實驗室，互聯網企業，軍事企業等。

老二AMD雖然落後於英偉達，但2016年的市場份額已呈現出上升趨勢，在發布了代號Vega織女星的GPU晶元，市場一片叫好，未來可能有繼續上升的趨勢。

桃花島GPU功夫難學難練，兩位高手也經常較量。觀眾發現了他們的兩大不足：一是招數刻板。GPU一旦設計完那就沒法改動了，沒法根據應用去調整硬體資源。二是功耗頗大。GPU 的很費電（比如高端顯卡動輒200W+），一旦功法開啟，定然渾身燥熱無比。

桃花島上風力強勁，有自然風散熱，因此黃老邪們暫時無憂，GPU憑藉極高的計算性能，在加速機器學習的出色表現是有目共睹。

隨著 AlexNet的劃時代論文橫空出世，GPU 在伺服器端橫掃天下。GPU美中不足的是就是太貴了，太貴了，而且副作用又大，一般人吃了后渾身發燒燥熱，降溫是大個問題。

隨著研究的深入，一篇名為FPGA的古老丹法秘籍流傳於世。丐幫高手根據這個秘籍，改進了FPGA許多技術，使之價格便宜功耗又很低，操練起來更有趣。於是，跟隨丐幫練FPGA丹法的越來越多，形成了一大流派。

不靠風，不怕熱。這是怎麼實現的呢？

有人潛入丐幫總舵，偷了一份丹方煉製記載，整理后發現：

原來早在1984年賽靈思就發布世界上首款FPGA，當時的FPGA晶片尺寸很大，但成本卻不低。1992年後，FPGA因採用新工藝節點，第一次出現了在FPGA上實現卷積神經網路。但直到2000年后，FPGA丹法結合了「易容術」后才略有小成，易容術是指FPGA 已不僅是門陣列，還是集成有可編程邏輯的複雜功能集。

丐幫儼然出現宗師氣象。

2008以來，FPGA丹法大成，易容術手段越來越高超。不光可以越來越多地整合系統模塊，集成重要的控制功能，還可以使用更高效的系統編程語言，如OpenCL和C語言，通過類似軟體的流程來編程，降低了硬體編程的難度。於是，自2011年開始，出現了大規模基於FPGA的演算法研究。

簡單來說，FPGA 全稱「現場可編程門陣列」(Field Programmable GateArray)，其基本原理是在 FPGA 晶元內集成大量的數字電路基本門電路以及存儲器，而用戶可以通過更新 FPGA 配置文件，來定義這些門電路以及存儲器之間的連線。

這裡提及的「可編程」，完全就是「可變成」。這意味著你今天可以把 FPGA 配置成一個微控制器 MCU，明天就可以更新配置文件把同一個 FPGA 配置成一個音頻編解碼器。你是不是想起了《鬼吹燈》里的達普鬼蟲，一會是乃窮神冰一會是無量業火。你是不是想起了孫悟空七十二變，今天是個老頭明天是個少女。此乃易容術也。

不同於GPU的運行原理，FPGA是以門電路直接運算的，即編程中的語言在執行時會被翻譯成電路，優勢是運算速度快。

百度可以作證。百度在HotChips上發布的論文指出，在處理伺服器端的少量多次處理請求，即頻繁請求但每次請求的數據量和計算量都不大的情況下，FPGA的平均性能好於GPU。

在很多領域FPGA的性能表現優異，以至於有人說FPGA可能會取代CPU和GPU成為將來機器人研發領域的主要晶元。當然，這事有點誇張。目前來看FPGA也多作為CPU的協處理器而出現，衝擊GPU是顯而易見的，但要說取代CPU，還得等等。

目前，國內有許多創業企業，自動加入丐幫，跟著賽靈思長老練功，提供基於fpga的解決方案。比如源於清華大學的深鑒科技，專註於深度學習處理器與編譯器技術，深鑒科技研發了一種名為「深度壓縮」的技術，它不僅可以將神經網路壓縮數十倍而不影響準確度，還可以使用「片上存儲」來存儲深度學習演算法模型，減少內存讀取，大幅度減少功耗。

丐幫旗下有四大長老。分別是賽靈思、Altera（英特爾於2015年以167億美元收購Altera）、Lattice和Microsemi。前兩者是掌缽掌棒龍頭老大，后兩者是傳功執法。

賽長老和Altera長老分別佔據了近90%的市場份額，兩人旗下的專利超過6000項。而剩下約10%的市場份額，由另外兩位長老Microsemi和Lattice瓜分，這兩位的專利也有3000余項，極高的技術門檻將其它希望進入FPGA市場的廠商牢牢擋在門外。

二長老Altera被英特爾收購后併入可編程解決方案集團，經過一年的整合，英特爾的可編程解決方案集團雖然依舊落後於賽靈思，但兩者差距正在縮小。未來格局存在一定變數。

FPGA也有兩大局限性。

第一，FPGA的峰值性能不如GPU。即便使用高端的伺服器做FPGA編譯都會需要數分鐘的時間，放到移動端速度還會更慢。但FPGA的功耗低於GPU，若FPGA的架構和配置合理，從能耗比的角度上來看，則能超過GPU。

第二，FPGA的編程難度較高。編程人員需要同時精通軟體和硬體兩種編程語言，更適合於高段位的的資深技術玩家。FPGA晶元主要面向企業客戶，如百度、微軟、IBM 等公司都有專門做FPGA的團隊為伺服器加速。

就FPGA未來發展來看，丐幫的崛起指日可待。理由有三個：首先，在人工智慧起步階段，演算法大致每三個月迭代一次，單憑這一點來說，FPGA可以靈活調整電路配置以適應新的演算法，具有一定優勢；其次，相比於GPU，FPGA更適用於深度學習的應用階段；最後，為了降低FPGA的編程難度，FPGA廠商賽靈思專門研發了可重配置加速棧堆，提供基於FPGA的硬體加速方案，這類似於一個App Store，賽靈思是一個平台，用戶使用時直接從商店裡挑選方案，不需要再自己設計布局布線了。

一陽指，南帝段皇爺的絕學。據記載，大理段氏，以一陽指神功馳名天下，奉六脈寶經，立天龍佛院，恩澤大眾，與東邪西毒、北丐終南分庭抗禮。

一陽指以輕靈有效著稱。正如ASIC將性能與功耗完美結合。

雖然GPU在并行計算方面有不少優勢，但畢竟不是為機器學習專門設計的，FPGA則是需要用戶自主編程，主要面向專業領域的企業用戶，門檻太高。

大眾消費領域怎辦？如應用到無人駕駛汽車上或是智能家居終端，這款晶元還要同時滿足高性能和低功耗的要求，甚至不需要將數據傳回伺服器端，不必連入互聯網，本地即時計算即可。

圖片來源：雷鋒網

ASIC挺身而出。ASIC的全稱是專用集成電路 (Application-Specific Integrated Circuit)。

玩過比特幣的都知道著名的挖礦大戰。ASIC在比特幣挖礦領域展現出了得天獨厚的優勢。2013年1月Avalon項目團隊交付了世界上第一台商用比特幣ASIC礦機，轟動了挖礦世界。CPU、GPU礦機幾乎在一夜之間消失的無影無蹤，引發了比特幣挖礦行業第二次重大升級，比特幣網路核心開發者Jeff Garzik有幸成為了第一個商業ASIC礦機的擁有者，據說當時收到Avalon礦機的用戶在一兩天內就回了本。而傳說中隱藏在農村的土豪，能動用的ASIC礦機達到了數千台。

人工智慧深度學習和比特幣挖礦有類似之處，都是依賴於底層的晶元進行大規模的并行計算。

ASIC分為全定製和半定製。全定製設計需要設計者完成所有電路的設計，因此需要大量人力物力，靈活性好但開發周期長，上市速度慢。專為機器學習設計的ASIC晶元，從設計到製造，對資金和技術的要求都更高。一般來說，基於FPGA的開發周期大約為6個月，而相同規格的ASIC則需要1年左右，需要經過多步驗證，可想而知，在這樣精細的打磨下，其性能自然也更為出色。

ASIC的開發時間長，意味著ASIC晶元很有可能趕不上市場變化的速度，致使廠商陷入竹籃打水一場空的尷尬境地。

有沒有辦法改進呢？

有。既然一家公司設計 ASIC要花費太花時間，何不用別人現成的模塊呢？於是吸星大法SoC+IP模式開始流行。SoC 全稱是「片上系統（System-on-chip）」，亦即吸（ji）納（cheng）了許多不同模塊的晶元。SoC 上面的每一個模塊都可以稱為 IP，這些 IP 既可以是自己設計的，也可以是購買其他公司的設計並整合到自己的晶元上。

相比ASIC，SoC+IP模式的上市時間短，成本較低，並且IP可以更靈活地滿足用戶需求。IP公司專註於IP模塊的設計，SoC公司則專註於晶元集成，分工合作，提高效率。

事實上，高通已經在研發能在本地完成深度學習的移動設備晶元，IP設計公司如CEVA和Kneron也在研發與人工智慧相關的IP核，這種模式未來也是人工智慧晶元的發展方向之一。

ASIC易學難練，要想大成，靡費巨資。因此煉ASIC丹法不乏豪門貴族。例如，谷歌於2016年推出可編程AI加速器TPU，英特爾也將於2017年推出專為深度學習設計的晶元Knights Mill。微軟打造Project Catapult支持微軟Bing。

從初創公司來看，美國的Wave Computing公司專註於深度學習晶元架構，推出DPU（DataflowProcessing Unit）；英國的Graphcore公司將推出開源軟體框架Poplar和智能處理單元IPU。相比於科技巨頭，初創企業更有可能結合具體應用場景設計晶元，如地平線機器人設計的第一代BPU（Brain Processing Unit），被用於開發ADAS系統。

中科院計算所從2008年開始研究，項目名為寒武紀，主要經費來源是中科院先導專項和國家自然科學基金，負責人是陳氏兄弟，陳雲霽和陳天石。目前，寒武紀系列已包含三種原型處理器結構：寒武紀1號（英文名DianNao，面向神經網路的原型處理器結構）；寒武紀2號（英文名DaDianNao，面向大規模神經網路）；寒武紀3號（英文名PuDianNao，面向多種機器學習演算法）。

歐陽鋒每次從白駝山下來，都興師動眾，志在必得。正如IBM，每次現身江湖，總要給大家帶來一些新鮮名詞熱鬧一番。比如電子商務、智慧星球，認知計算，現在又帶來了號稱要複製人腦的類腦晶元，真真太黑了。

IBM是個高級煉丹師，在美國國防部先進研究項目局（DARPA）的支持下，煉成了的丹叫做類腦晶元。DARPA是可謂科技圈的泰山北斗，大名鼎鼎的Internet前身阿帕網即源於這個機構。

DARPA也想煉丹，它與IBM合作建立了一個項目，名為「神經形態自適應伸縮可塑電子系統計劃（SyNAPSE)」。該計劃意圖還原大腦的計算功能，從而製造出一種能夠模擬人類的感覺，理解，行動與交流的能力的系統，用途非常明確：輔助士兵在戰場動態複雜環境中的認知能力，用於無人武器的自動作戰。

IBM的金丹煉成了，其中最引人注目的是類腦晶元TureNorth。

2011年，IBM發布第一代TrueNorth晶元，它可以像大腦一樣具有學習和信息處理能力，具有大規模并行計算能力。2014年，IBM發布第二代TrueNorth晶元，性能大幅提升，功耗卻只有70毫瓦，神經元數量由256個增加到100萬個，可編程突觸由262144個增加到2.56億個。高通也發布了Zeroth認知計算平台，它可以融入到高通Snapdragon處理器晶元中，以協處理方式提升系統認知計算性能，實際應用於終端設備上。

IBM的丹法激起了國內研究機構對人工智慧的的熱情。

IBM的True North主要是採用傳統CMOS工藝，北京大學則研究另外一種路線--憶阻器。據媒體報道，北京大學在視聽感知和圖橡視頻編碼方面的研究處於國際領先水平，在利用神經形態晶元構造大規模神經網路方面，已經圍繞視皮層模擬開展研究。上海的西井科技去年發布了全球首塊5000萬神經元類腦晶元。該公司宣稱，這是目前世界上含有神經元數量最多的類腦晶元，也是首塊可商用化類腦晶元。

去年6月，中星微宣布首款嵌入式神經網路處理器（NPU）晶元誕生，並已於實現量產，主要應用於嵌入式視頻監控領域。

中科院陳雲霽認為，總體上看，國內和IBM的TrueNorth晶元為代表的國際先進水平還存在一定的差距。這個差距不體現在單晶元絕對的運算速度上(事實上，國產類腦晶元每秒能進行的神經元運算和突觸運算數量比TBM的TrueNorth還要高十倍），而是在功耗上。TrueNorth晶元功耗僅為65毫瓦，比國內晶元(15瓦左右)要低250倍。

從晶元性能角度來看，如今類腦晶元的算力和精度都不能超過GPU和FPGA的最好水平，因此類腦晶元是人工智慧晶元幾大方向中最小眾的一類。

歐陽鋒練了多年九陰真經最後超越同儕，類腦晶元未來能否超越其它門派？這有賴於人類是否能完全搞清楚人腦的結構，能否有更多理論和實驗支撐類腦晶元技術上的突破。就眼下來看，類腦晶元在商業化的道路上還需要探索一段時間。

自古華山一條路。華山是人工智慧晶元的演武場，但山路險絕。

在過去十多年裡，Intel、IBM、摩托羅拉、飛利浦、東芝、三星等60多家公司曾試圖進攻華山阻擊丐幫，但紛紛遭致慘敗。這其中的原因就在於進入門檻高，主要有以下幾點原因：

首先是專利技術壁壘。丐幫四大長老用近9000項專利構築了長長的知識產權壁壘，將進攻者拒於國門之外。即便是強如Intel也望而興嘆，不得以耗資167億美元收買了丐幫二長老獲得了一張FPGA領域的門票。

其次是市場相對偏小。丐幫丐幫，人多粥少。2016年全球FPGA市場總額僅為50億美元，且有九成落入掌缽掌棒長老手裡，這麼小的市場規模很難養活太多的大公司，必然導致競爭異常激烈。

最後是投資周期長。專利壁壘或許可以跨越，市場狹小，或許可以忍受。但是FPGA產品，從投入研發到產品真正規模化生產差不多要七年。這期間幾乎沒有任何商業回報。正常的風投是等不了這麼長時間的。

AI論劍，晶元先行。AI晶元作為產業上游，也是技術要求和附加值最高的環節，產業價值和戰略地位遠遠大於應用層創新，因此我們需要高度重視。

中美還有相當差距。晶元產業鏈上中下游依次是IC設計、晶圓代工和專業封測，技術難度和附加值也依此順序由高到低。美國企業因掌握核心技術優勢主要處於產業鏈上游，企業目前在晶圓代工和封測階段等技術要求不高的環節有一定空間。

騰訊研究院做了一個不完全統計，發現知名的晶元廠商中，美國有13家，已有7家。但美國既有谷歌、英特爾、IBM這樣的科技巨頭，也有高通、英偉達、AMD、賽靈思這樣在各自領域中有絕對優勢的大公司，以及一些發展良好的中等規模公司和活躍的初創企業。但則主要以初創公司為主，沒有巨頭！其中7家企業中6家都是初創公司，均成立於近三年內，只有1家中等規模企業——中星微。

從晶元類別來看，美國廠商遍布人工智慧晶元的四大流派，IC設計環節的產業結構非常均衡，並且，在東邪GPU和北丐FPGA兩個領域，美國企業是完全壟斷的，企業只在FPGA編譯、ASIC和類腦晶元方面小有作為。

AI晶元領域的創新不是件一蹴而就的事情。它涉及到人工智慧演算法、編程語言、計算機體系結構、集成電路技術、半導體工藝的方方面面。在巨大的國際競爭壓力下，單靠企業研發投入，遠遠不夠。

放眼時代變遷，CPU領域WINTEL聯盟已經一統江山極難突破，而AI晶元方興未艾，機遇正在逐漸顯露，AI領域未來必然也會產生類似英特爾、AMD這樣的世界級企業。美國以絕對實力處於領先地位，但一批初創企業也在蓄勢待發，我們相信企業有機會成為人工智慧時代的弄潮兒，在AI晶元華山論劍之時佔有一席之地。

昨天，騰訊眾創的程子同學來第三極做友好訪問，雙方熱烈交流時，透露了一個新情況：有許多國內創業企業已經學會了抱團創新。他們聚在長青騰創業營謀划未來。據稱開營100餘天，40家創業公司總估值實現翻番，超過600億，58%的學員順利進入下一輪融資，100天融資總金額超過60億。眼下，長青騰正在籌劃AI創業營。

AI領域創業空間巨大，所需資金規模巨大，所需資源巨大，單憑創業者個人和團隊的能力打天下已經不現實，AI創業者需要跟產業加速器和產業資本密切結合，抱團創新，如此才能有更廣闊的發展天地。讓我們見證這個偉大的時代吧。（zhangxiaorong1609）