2018年01月18日 | 人工智能大热，为芯片初创公司打开新前沿

雷锋网按：多年来，科技行业的融资人对于制造电脑芯片的初创公司几乎没有兴趣。一家新兴公司如何与像英特尔这样的巨人竞争呢？英特尔制造的芯片在全球超过了80％以上的个人电脑中运行。即使在英特尔没有占据统治地位的领域，如智能手机和游戏设备，也有像高通和Nvidia这样的公司，足以碾压新星。

但随后出现了科技行业的最新风潮——人工智能。结果证明，用新型计算机芯片可以更好地运行人工智能。突然之间，风险投资家忘记了所有那些让一家年轻的芯片公司难以获得成功的障碍。纽约时报最近发表文章，指出了这一最新潮流，雷锋网为您做如下编译：

今天，至少有45家初创公司正在开发能够支持语音和自动驾驶任务的芯片，至少有五家已经从投资者手中筹集超过1亿美元。根据研究公司CB Insights的数据，风险投资家去年在芯片创业公司的投资额超过了15亿美元，几乎是两年前投资金额的两倍。

这次爆发性增长与20世纪80年代个人电脑和硬盘制造商的陡然增长类似。虽然这些公司是小公司，并不是全部都能生存下来，但他们有能力推动快速的技术变革。

是否有任何一家公司幻想过用自己的芯片正面挑战英特尔，这一点还尚待考证——Intel可以花费数十亿美元建造自己的芯片工厂，而初创公司智能与其他公司签订合约来制造芯片。但是在设计芯片为机器学习提供某种特定计算能力、使之能够做越来越多的事情的过程中，这些初创公司正朝着两个目标努力：快速找到一个有利可图的市场，或者被收购。

“机器学习和A.I.重新定义了如何构建计算机的问题，“Bill Coughran说，他曾帮助Google监督全球基础设施多年，现在是硅谷风险投资公司Sequoia（红杉资本）的合伙人。红杉投资了一家英国初创企业Graphcore，该公司最近加入了1亿美元俱乐部。

到2016年夏天，变化已经很明显。谷歌、微软和其他互联网巨头正在通过算法构建可以图像中的人脸、并识别智能手机接受到的语音指令的应用程序，该算法被称为神经网络，通过在大量数据中识别模式来学习任务。

Nvidia最为人熟知的是构建图形处理单元，也就是G.P.U.，它被用来帮助游戏和其他软件渲染复杂的图像，而且事实证明，它们在神经网络方面的表现也非常好。 Nvidia在今年夏天之前售出了1.43亿美元的芯片给Google等公司运营的海量计算机数据中心——这个数字是去年的两倍。

英特尔急于迎头赶上。根据科技新闻网站Recode的报道，英特尔耗资4亿美元收购了Nervana，一个拥有50名员工的硅谷初创公司。该公司已经开始从零开始建立A.I. 芯片。

之后，第二个硅谷初创公司Cerebras，从Nervana（硅谷初创芯片公司）抢下了五名的工程师，他们也为A.I专门设计了一个芯片。

根据福布斯的一份报告，到2018年年初，Cerebras筹集了超过1亿美元的资金。 另外还有四家公司：一家硅谷的初创公司Graphcore，Wave Computing; 以及由中国政府支持的两家中国公司，Horizon Robotics（地平线机器人）和Cambricon（寒武纪）。

人工智能芯片初创公司Mythic的首席执行官迈克·亨利（Mike Henry）表示，在2015年和2016年初，筹集资金简直是一场噩梦。 但他表示，“随着高科技公司纷纷抢滩半导体市场，情况已经发生了变化。

中国对开发新的A.I芯片特别感兴趣。北京的第三家芯片创业公司DeePhi筹集了4000万美元，中国国家科技部明确呼吁，生产能够挑战Nvidia芯片的中国芯片。

因为这是一个新兴市场——而且对于这种新的处理能力市场渴求很大——许多人认为，这是创业公司有机会反抗树大根深的科技巨头的少数领域之一。

第一个最大的变化最可能来自数据中心，像Graphcore和Cerebras这些对其计划保持沉默的公司，希望能够加速创建A.I的新形式。 其目标包括，机器人可以参与对话和自动生成视频和虚拟现实的系统。

微软和谷歌等机构的研究人员，通过极端的反复实验“训练”神经网络，在大量的芯片上测试算法几个小时甚至几天，为A.I.构建了自己的芯片。 他们经常坐在笔记本电脑前，盯着显示这些算法从数据中学习的过程的图表。 芯片设计人员想简化这个过程，把所有的试验和错误都打包到几分钟之内。

Scott Gray曾是Nervana的工程师，现在他是Open AI的研究人员之一，该机构发起人包括特斯拉的首席执行官伊隆·马斯克。Scott Gray说，如今Nvidia的GPU可以高效地执行所有进入训练神经网络的微小计算，但是在芯片之间传输数据的效率仍然很低。
因此，除了专门为神经网络构建芯片之外，初创公司正在重新思考围绕它们的硬件。

例如，Graphcore正在构建包含更多内置内存的芯片，以省去来回发送大量数据的过程。其他人正在研究扩大芯片之间传输的方法，以便更快地进行数据交换。

红杉资本的Coughran说：“这不仅仅是构建芯片本身，还要看芯片是如何连接在一起的，以及如何与系统的其他部分交互。

但这只是变化的一部分。一旦神经网络训练完成一个任务，必须另外有工具执行这个任务。在丰田，自主驾驶汽车技术原型正在使用神经网络来识别路上的行人，标志和其他物体。数据中心训练完一个神经网络之后，公司在安装在汽车上的芯片上运行该算法。

许多芯片制造商（包括Mythic，DeePhi和Horizon Robotics等初创公司）正在解决这一问题，推动A.I.芯片进入到从手机到汽车的各种设备。

目前还不清楚这些新芯片的工作效果如何。设计和构建一个芯片大约需要24个月，这意味着即使是第一个依靠它们运行的可行硬件，也要在今年才会到来。同时芯片初创公司将面临来自英伟达，英特尔，谷歌等行业巨头的竞争。

但是它们都站在同一起点：一个新市场的开始。