外媒盘点2017年爆发的AI芯片初创企业：有公司估值已达10亿美金

---

  新智元编译 

来源：TechCrunch

编译：弗格森

【新智元导读】 一大批初创企业正在思考如何寻找Nvidia在AI市场上潜在的漏洞。投资者也会注意到这一点。

 

由于在所有的方向上都有着巨大需求：游戏、数据中心利润的增加和AI中的潜在应用，英伟达的股价在2017年坐上了火箭，一路飙升。英伟达也成为最引人注目的一家科技公司。

虽然英伟达的股票价格和曲线图可能是2017年最吸引眼球的东西。但是，在一个AI继续成为科技界主题词的年份中，AI圈里发生的任何微小的事，都足以产生更加深层的影响。

今年，一批致力于开发各种硬件，以支持未来基于AI的设备的创业公司获得了大量的投资。其中一些创业公司远远没有接近大规模量产（或尚未有产品出现），但这些似乎没有成为融资的阻碍。

优化推理和训练机器是图像和语音识别等应用的两个关键部分，初创公司试图找到方法来改善这些过程，使其更快，更节能，而且整体上更适合下一代人工智能驱动的设备。 与我们已经习惯的、用CPU来实现的传统计算架构不同，GPU已经成为处理AI处理所需的快速计算的芯片之一。而这些创业公司认为他们可以比GPU做得更好。

在关注创业公司之前，让我们快速回顾一下前面提到的Nvidia股价表。这能让你了解这里发生的事情究竟有多大。

在进入2018年前，Nvidia的股价上涨了近80％：

图片来源：TechCrunch

所以，很自然，我们可能会看到一大批初创企业正在思考如何寻找Nvidia在AI市场上潜在的漏洞。投资者也会注意到这一点。

2016年12月，Crebras Systems从Benchmark Capital获得融资，当时筹集了大约2500万美元。当时看来，AI芯片产业似乎还不像今天那样显要。尽管如此，随着Nvidia在GPU市场上的主导地位不断上升，暗示这将是一个蓬勃发展的领域。然后《福布斯》在今年8月份报道说，Crebras Systems估值已经近9亿美元。

显然，这里有一些值得去挖掘的东西。

Graphcore也在今年造出了一些声势。在7月份由Atomico牵头的3000万美元投资之后不久，该公司今年11月宣布了由红杉资本（Sequoia Capital）领投的新一轮5000万美元融资。 Graphcore和Cerebras Systems一样，在市场上还没有像Nvidia一样提供产品。虽然硬件创业公司面临着比软件建设更多的挑战，但是这家初创企业一年能够筹集到8000万美元（也是够疯狂的）。

中国的相关人工智能创业公司也融到了大量的资金：阿里巴巴将资金投入了一家名为寒武纪的公司，据称该公司的估值为10亿美元。英特尔领投的地平线该轮融资1亿美金; 本月初，一家名为ThinkForce的创业公司筹集了6800万美元。

 

这么看来，前谷歌工程师Groq的新公司似乎不值得一提，他们从Social + Capital那里筹集了大约1000万美元的资金，这与上面列出的一些创业公司相比似乎很小。此外，最近，一家芯片制造商Mythic筹集了930万美元的资金。

所以我们可以看到，不仅有一两家，至少有七家初创公司在这个领域摩拳擦掌，欲欲跃试，其中许多已经筹集了数千万美元，至少有一家创业公司的估值在9亿美元左右。他们都是硬件初创公司，下一代硬件可能需要更多的融资。这仍然是一个不容忽视的领域。

初创公司之外，世界上最大的一些公司也在寻求创建自己的系统。谷歌今年早些时候在五月份宣布推出下一代TPU，旨在推动推理和机器训练。苹果为其下一代iPhone设计了自己的GPU。二者都将大大调整硬件以满足其特定需求，例如Google云应用程序或Siri。英特尔还表示，将在2017年底前推出新的Nervana 神经网络处理器。

英特尔在去年8月份以3.50亿美元的价格买下了Nervana。

对于初创企业和巨头来说，这些其实代表了巨大的机会，他们都在寻找对GPU的不同阐释。但是，要想将已经把开发者锁定在自己的平台（Cuda）上的英伟达拉下王座，可能会是一个更加困难的挑战。这对于希望把自己的硬件投放到市场，进而汇聚开发者的初创企业来说，更是困难重重。

当你与硅谷的投资者交谈时，你仍然会发现一些怀疑论者。例如，当在亚马逊服务器上的旧芯片对于训练来说已经很好的时候，为什么各个公司还会与寻求更快的芯片用于训练？尽管如此，流入这个领域的钱仍然是海量的。这是钱来自那些对Uber（尽管那里有相当大的动荡）和WhatsApp投入了很大资金的公司。

Nvidia在这一领域仍然是一个主要的领导者，随着自动驾驶汽车等设备越来越接近现实，Nvidia将继续寻求占据主导地位。但是随着我们进入2018年，我们可能会开始对这些初创公司是否有机会取代Nvidia有更好的了解。创造速度更快，功耗更低的芯片，让其可以进入物联网领域，并通过更有效的推断真正实现设备的功能，这是一个机会。在训练模型，比如告诉你的汽车松鼠长什么样的时候，让这些服务器更快，更高效 ，也可能是真正的巨大机会。

---