外媒盤點2017年爆發的AI晶片初創企業：有公司估值已達10億美金

由于在所有的方向上都有着巨大需求：遊戲、資料中心利潤的增加和AI中的潛在應用，英偉達的股價在2017年坐上了火箭，一路飙升。英偉達也成為最引人注目的一家科技公司。

雖然英偉達的股票價格和曲線圖可能是2017年最吸引眼球的東西。但是，在一個AI繼續成為科技界主題詞的年份中，AI圈裡發生的任何微小的事，都足以産生更加深層的影響。

今年，一批緻力于開發各種硬體，以支援未來基于AI的裝置的創業公司獲得了大量的投資。其中一些創業公司遠遠沒有接近大規模量産（或尚未有産品出現），但這些似乎沒有成為融資的阻礙。

優化推理和訓練機器是圖像和語音識别等應用的兩個關鍵部分，初創公司試圖找到方法來改善這些過程，使其更快，更節能，而且整體上更适合下一代人工智能驅動的裝置。 與我們已經習慣的、用CPU來實作的傳統計算架構不同，GPU已經成為處理AI處理所需的快速計算的晶片之一。而這些創業公司認為他們可以比GPU做得更好。

在關注創業公司之前，讓我們快速回顧一下前面提到的Nvidia股價表。這能讓你了解這裡發生的事情究竟有多大。

在進入2018年前，Nvidia的股價上漲了近80％：

圖檔來源：TechCrunch

是以，很自然，我們可能會看到一大批初創企業正在思考如何尋找Nvidia在AI市場上潛在的漏洞。投資者也會注意到這一點。

2016年12月，Crebras Systems從Benchmark Capital獲得融資，當時籌集了大約2500萬美元。當時看來，AI晶片産業似乎還不像今天那樣顯要。盡管如此，随着Nvidia在GPU市場上的主導地位不斷上升，暗示這将是一個蓬勃發展的領域。然後《福布斯》在今年8月份報道說，Crebras Systems估值已經近9億美元。

顯然，這裡有一些值得去挖掘的東西。

Graphcore也在今年造出了一些聲勢。在7月份由Atomico牽頭的3000萬美元投資之後不久，該公司今年11月宣布了由紅杉資本（Sequoia Capital）領投的新一輪5000萬美元融資。 Graphcore和Cerebras Systems一樣，在市場上還沒有像Nvidia一樣提供産品。雖然硬體創業公司面臨着比軟體建設更多的挑戰，但是這家初創企業一年能夠籌集到8000萬美元（也是夠瘋狂的）。

中國的相關人工智能創業公司也融到了大量的資金：阿裡巴巴将資金投入了一家名為寒武紀的公司，據稱該公司的估值為10億美元。英特爾領投的地平線該輪融資1億美金; 本月初，一家名為ThinkForce的創業公司籌集了6800萬美元。

這麼看來，前谷歌工程師Groq的新公司似乎不值得一提，他們從Social + Capital那裡籌集了大約1000萬美元的資金，這與上面列出的一些創業公司相比似乎很小。此外，最近，一家晶片制造商Mythic籌集了930萬美元的資金。

是以我們可以看到，不僅有一兩家，至少有七家初創公司在這個領域摩拳擦掌，欲欲躍試，其中許多已經籌集了數千萬美元，至少有一家創業公司的估值在9億美元左右。他們都是硬體初創公司，下一代硬體可能需要更多的融資。這仍然是一個不容忽視的領域。

初創公司之外，世界上最大的一些公司也在尋求建立自己的系統。谷歌今年早些時候在五月份宣布推出下一代TPU，旨在推動推理和機器訓練。蘋果為其下一代iPhone設計了自己的GPU。二者都将大大調整硬體以滿足其特定需求，例如Google雲應用程式或Siri。英特爾還表示，将在2017年底前推出新的Nervana 神經網絡處理器。

英特爾在去年8月份以3.50億美元的價格買下了Nervana。

對于初創企業和巨頭來說，這些其實代表了巨大的機會，他們都在尋找對GPU的不同闡釋。但是，要想将已經把開發者鎖定在自己的平台（Cuda）上的英偉達拉下王座，可能會是一個更加困難的挑戰。這對于希望把自己的硬體投放到市場，進而彙聚開發者的初創企業來說，更是困難重重。

當你與矽谷的投資者交談時，你仍然會發現一些懷疑論者。例如，當在亞馬遜伺服器上的舊晶片對于訓練來說已經很好的時候，為什麼各個公司還會與尋求更快的晶片用于訓練？盡管如此，流入這個領域的錢仍然是海量的。這是錢來自那些對Uber（盡管那裡有相當大的動蕩）和WhatsApp投入了很大資金的公司。

Nvidia在這一領域仍然是一個主要的上司者，随着自動駕駛汽車等裝置越來越接近現實，Nvidia将繼續尋求占據主導地位。但是随着我們進入2018年，我們可能會開始對這些初創公司是否有機會取代Nvidia有更好的了解。創造速度更快，功耗更低的晶片，讓其可以進入物聯網領域，并通過更有效的推斷真正實作裝置的功能，這是一個機會。在訓練模型，比如告訴你的汽車松鼠長什麼樣的時候，讓這些伺服器更快，更高效 ，也可能是真正的巨大機會。

原文釋出時間為：2017-12-25

本文作者：弗格森

本文來自雲栖社群合作夥伴新智元，了解相關資訊可以關注“AI_era”微信公衆号