一位投资人与探境科技CEO鲁勇的对话如下：

客户为什么选择探境？同等性能，探境价格更低，同等价格，探境性能更好。

没有比探境性能更好的芯片吗？那样的芯片非常贵，不具备大规模商业化的基础。后来该投资人成为了探境的股东。

自2016年AI芯片大潮爆发，传统芯片厂商、算法公司、互联网巨头等纷纷涌入，上百家公司投身造芯。斗转星移，曾经火热的AI芯片1.0时代交响曲已然谢幕，趋于冷静的AI芯片2.0时代宣布开启。

务实的2.0时代

一次性实现流片成功、2年时间实现量产，半年签下30多家合作客户。一开场，探境就是漂亮的全垒打。

这与鲁勇务实的战略不无关系。

鲁勇有着20年的芯片行业经验，曾供职于一度排名全球前五的半导体公司Marvell，有丰富的产品设计和管理经验，是一个历经通信、互联网、移动互联网多次科技浪潮的芯片老兵。

2017年，鲁勇创立了探境科技，从职业经理人转身为创业者。

不同于“短平快”的互联网行业，半导体是一个大投入慢产出的行业。通常一次流片的研发费用就高达数千万，而业界平均需要2.5次才能流片成功。从芯片设计、流片、量产、到小规模营收，芯片公司通过需要3-5年时间。

作为创业公司，鲁勇知道，他必须独辟蹊径，找到快速造血的方式。

彼时，AI芯片舞台上的聚光灯正聚焦在自动驾驶、安防等图像领域，语音市场尚未被人关注。事实上，语音芯片并不是一个新浮出水面的市场，但转了一圈之后鲁勇发现，这个市场虽然玩家很多，但实则是一片蓝海。

“我们先评估一下语音市场的容量，发现语音芯片在AIOT的落地场景非常之广，从智能家居、智能穿戴到智能车载设备等，是个万亿级的市场。”

“我们又扫了一遍当时的语音产品，大概可以分为两类，第一类是产品体验很好，但是价格高昂，另一类产品价格较底，但质量一落千丈，唤醒率、识别率、误唤醒等这些指标都很差。”

上网随便搜一下，你就可以看到各类“智能”变“智障”的案例。大半夜的不知怎么音箱自己打开了，开始播放劲歌热曲还能忍受，若是热水器识别错了命令词，冷水热水分不清，那可是会有性命之忧的。

2年时间过去，鲁勇凭借多年的经验和技术积累，实现了3款芯片流片成功，1款芯片量产成功并实现商业化落地，向市场交出了一份满意的答卷。

务实者寻找务实者。作为快速实现商业化落地的AI芯片公司，探境获得了资本的认可。

2017年探境获得诺基金等的天使轮融资，2018年5月获得由中芯聚源资本领投的数千万美元Pre-A轮融资，寒冬凛冽的2019年，探境又陆续获得了A轮及A+轮融资。

后发而先至，探境能够避开创业雷区，快速进化的能力来自哪里？

性价比，芯片架构的试金石

大多数AI芯片初创公司会面临两方面的挑战，一是技术领域，芯片从实验室到真实场景，会面临极大的变数，二是商业化挑战，对很多公司而言，即使解决了技术难题，还需要进一步考量市场接受度的问题。

在芯片领域，产品性价比与普及率是高度共生的关系。性能、功耗、价格，这是做IC必须面对的3大难题。

“其实归根结底就是一个问题。”鲁勇向创业邦表示，“做芯片绝对指标只有一个，那就是PPA（即能效比）。”

PPA包括Performance(性能)、Power（功耗）、Area（面积）三个方面，通常而言，面积与性能成正比，但同样的也意味着功耗越高。

做芯片就像盖房子，在极度重视功耗，又必须保证性能的智能家者领域，必须在架构层次找到三者的平衡之道。

目前主流的AI计算平台是通用计算平台。包括基于CPU/GPU的计算平台以及Google TPU在内，依然基于传统冯·诺依曼架构或者是在冯·诺依曼架构之上的拓展。传统的冯·诺伊曼架构，以“计算”为中心进行，引发了带宽瓶颈、功耗瓶颈等多重问题，业内称之为“存储墙”。

关于存储墙，鲁勇举了一个形象的例子，算力就像是汽车的发动机，存储就像是公路。AI计算遇到的问题是存储资源稀缺，即汽车行驶上路况很差的公路上，即使马力再强，也无法顺畅行驶。

鲁勇决定，边修路边造车

鲁勇曾做出过两款世界级产品——HDMI芯片和硬盘控制芯片。“全中国的所有电视机里都有我研发的这个HDMI芯片，全世界超过70%的硬盘都在用我研发的硬盘控制芯片”

可以说，在中国半导体行业缺“芯”少魂的年代，鲁勇是为数不多的，曾经站在国际舞台“见过猪跑，吃过猪肉”的人。多年的从业经历为其在专业领域打下了坚实的技术底蕴和洞察力。

Marvell在技术手段上通过各种数学算法在芯片硬件上的实现，取得高性能、低功耗的成果，这与AI芯片本质的要素一样。而鲁勇多年来与存储打交道，了解了数据管理的特性。

这也是起步并不算早的探境科技，能够后发先至，在半年多的时间里自主研发出存储优先架构（Storage First Architecture，以下简称SFA）的原因，

据鲁勇介绍，SFA架构基于AI计算的高并发、高耦合、高差异性“三高”特性而设计，是一款立足神经网络、囊括全栈支持、兼顾传统算法的通用型AI芯片架构。

SFA架构不仅具有超高能效比，同时支持所有神经网络，对神经网络的参数没有限制，兼容性等同于GPU兼容性。另外，SFA作为一款可以支持任意神经网络的通用型AI芯片架构，在AI应用领域还有一项重要意义——具有强大的AI赋能能力，能够大大加快语音和图像芯片的商业化落地速度。

正如PPA是芯片验证性能的绝对指标一样，性价比则是一款芯片能否工业化实现大规模商用的试金石。