人工智能硅脑竞赛:传统芯片巨头VS AI芯片创企-薪媒体_O2O新商业媒体资讯平台

本文来自technologyreview,作者 Martin Giles;由编译。

英国半导体创业公司Graphcore的联合创始人兼首席执行官Nigel Toon表示:“几年前,许多风险投资加都认为投资半导体行业是一个笑话。你可以想象,一群投资人听到芯片后笑得前仰后合。但现在,一些芯片企业家得到了不同程度的欢迎。投资者没有对此嗤之以鼻,而是“慷慨地”拿出其支票簿。

风险投资家们有充分的理由警惕硅的发展,尽管硅构成了硅谷这一名字。半导体芯片的开发成本远远高于软件,直到现在,也没有多少革命性的创新来区分半导体初创公司。或许这些新的半导体公司能够存活下来,但所获得的利润比其所制造的硅晶片更薄。英特尔和英伟达等巨头是强大的竞争对手,它们拥有深厚的行业知识,以及雄厚的财力。

一些投资者越来越相信,人工智能可能是创建新兴的半导体公司的独特机会。据跟踪私人公司交易的服务提供商PitchBook的数据显示,今年,风险投资家已向专注于AI芯片初创企业投资了1.13亿美元,几乎是2015年全年的三倍。

Graphcore作为该转变的受益者,最近获得硅谷红杉资本领投的5000万美元资金支持。许多其他芯片公司,包括美国的Mythic、Wave Computing和Cerebras以及中国的深鉴科技和寒武纪科技,也在为人工智能应用开发新的芯片。寒武纪科技中科寒武纪的前身是中国科学院计算技术研究所,已经完成一亿美元A轮融资,成为全球AI芯片领域第一个独角兽初创公司。

自从主机问世以来,计算机硬件的发展业推动了软件的创新。发过来,软件的更新也促进了硬件的后续改进。人工智能已经成为数字周期的最新转折点。不同行业的公司一致大力投资硬件,以运行深度学习系统。但随着这些技术变得越来越复杂,现有的人工智能芯片的局限性也逐渐暴露出来。

很多处理器来自英伟达,其图形芯片广泛应用于游戏和图形制作。这些处理器有成千上万个与渲染像素平行的微型计算机。经过一些调整,目前已经适用于运行深度学习算法,而且也涉及大量的并行计算。

虽然图形芯片已经被广泛应用,但也存在一些缺点,其中一个最大的问题是,当大量的图形芯片并行工作时,它们耗费了大量的电力能源。基于此,卡内基梅隆大学(CMU)作为领先的人工智能研究中心之一,不得不要求其研究人员暂时减少他们对芯片的使用,因为它们对大学的电力系统带来了很大的压力。CMU的教授Franz Franchetti表示,该大学正寻找替代能源来缓解这一问题。

人工智能芯片公司正计划生产更多的节能处理器。但真正令他们兴奋的是,人工智能应用程序的定制处理器可以在广泛的机器学习任务中击败那些专业性不强的芯片。新一代芯片将多个处理功能组合称一个单独的步骤,而图形处理器则需要多个步骤才能达到相同的结果。这些功能通常被捆绑在一起,以优化特定的用例,比如训练算法,帮助自动驾驶汽车发现前方潜在的障碍。

Graphcore声称,在初步测试中,其新“智能处理单元”将在明年第一季度交付给早期客户,比目前的硬件速度快10倍到100倍。而中国的寒武纪也为其处理器赢得赞赏,其客户华为公司认为,对于像训练算法这样的深度学习应用程序来识别图像,与图像处理器相比,初创公司的芯片运行相同功能的速度快6倍。

研究人员对人工智能计算能力的重大飞跃和前景感到兴奋。英国帝国理工学院的教授Andrew Davison表示:“我们现在的处境和我们想要做的事情之间仍有很大的差距。”Andrew Davison专注于机器人技术和计算机视觉领域,他认为,芯片初创公司给市场带来的创新将加速其所研究领域的进步。

对AI芯片如此高的评价确实令人鼓舞,但这并不能保证其大获全胜。目前,大型芯片公司也已经推出了自己的人工智能芯片,也希望在AI芯片领域分一杯羹。例如,英特尔最近宣布,计划推出一个由神经系统设计的新处理器系列,英伟达也快马加鞭地提升其芯片性能。

除此之外,创业公司还面临着另外一个挑战。他们设计的硬件用于支持高度专业的人工智能程序,因此,要想把芯片推向市场还需要几年时间。考虑到人工智能发展的速度,或许他们的芯片在广泛使用的时候,其最初的设计用途将不再是最重要的。

拉克斯资本曾投资于深度学习公司Nervana和芯片初创公司Mythic,拉克斯资本合伙人Shahin Farshchi表示:“对于那些非常狭隘的芯片公司来说,这将是一次新的洗牌。”

但如果初创公司制造的芯片跨越了广泛的应用领域,很大程度上是以牺牲其性能水平为代价,也很容易受到来自英伟达、英特尔等公司的竞争。最终,一些初创公司可能会被芯片巨头收购,但如果初创公司出现“集体阵亡”,那么风险投资家门将会重新考虑其支票簿的用途。