1月23日消息，近日纽约时报发布文章称，人工智能（AI）备受科技巨头们和风险资本的追捧，也为芯片创业公司开辟了一片新天地，给它们带来了罕见的挑战传统芯片巨头的机会。目前专为人工智能开发处理器的初创公司有45家之多，其中至少已经有5家获得1亿美元以上的投资。
以下是文章主要内容：
多年来，科技行业的金融家对于制造电脑芯片的初创公司毫无兴趣。
区区一家初创公司，怎么跟像英特尔这样的巨头竞争呢？目前全球80％以上的个人电脑由英特尔的芯片来驱动。即便是在英特尔没有占据统治地位的领域，比如智能手机和游戏设备，也有像高通和Nvidia这样的公司虎视眈眈。
然而，近年来出现了科技行业最新的一件大事——人工智能，该新技术搭配新型的计算机芯片使用也有更好的效果。忽然之间，风险投资家们都将对小型芯片公司取得成功的障碍都抛诸脑后。
目前，至少有45家初创公司正在开发能够支持语音、无人驾驶汽车等任务的芯片，且至少有五家已经从投资者手中筹集了1亿多美元。根据市场研究公司CB Insights的数据，风险投资家去年对芯片创业公司的投资额超过了15亿美元，几乎是两年前的投资水平的两倍。
这种爆炸式发展，让人不由联想起1980年代大量涌现的PC厂商和硬盘制造商。虽然这些公司体量不大，也并不是全都会存活下来，但它们有潜力推动快速的技术变革。
初创公司的两个目标
这些公司不一定都幻想着能够凭借自有的芯片工厂挑战英特尔，毕竟那些工厂造价要数十亿美元。（这些初创公司选择让其它公司代工生产它们的芯片。）不过，它们致力于设计能够让机器学习如何做更多事情所需的计算能力的芯片，向两个目标中的任意一个进发：找到一个有利可图的细分市场，或者被收购。它们得快速前行。
“机器学习和AI已经重新开启了如何构建计算机的问题。”曾在谷歌负责全球基础设施数年的硅谷风投公司Sequoia合伙人比尔·卡夫兰（Bill Coughran）指出。Sequoia投资了最近加入1亿美元融资俱乐部的英国初创企业Graphcore。
到2016年夏天，行业的变化显而易见。谷歌、微软和其它的互联网巨头正在打造AI应用，那些应用可通过使用被称为神经网络的算法迅速识别照片中的人脸，以及响应来自智能手机的语音指令。这些算法可以通过识别大量数据中的模式来学习执行任务。
英伟达以制造图形处理器（GPU）而著称，该类处理器被设计来帮助游戏和其它的软件渲染复杂的图像——事实证明，它们也非常适用于神经网络。在截至去年夏天的一年里，英伟达向像谷歌这样的公司所运营的大型计算机数据中心售出了总值1.43亿美元的芯片——较前一年翻了一倍。
英特尔在苦苦追赶。它收购了Nervana，该拥有50名员工的硅谷初创公司从零开始打造AI芯片。根据科技新闻网站Recode的报道，该交易的规模为4亿美元。
之后，另一家硅谷初创公司Cerebras挖走了5名Nervana工程师，因为它也要针对AI设计芯片。
根据福布斯发布的一份报告，到2018年年初，Cerebras完成了超过1亿美元的融资。达到这种融资规模的AI芯片创业公司还有四家：Graphcore；另一个硅谷公司Wave Computing;以及两家北京公司地平线机器人和寒武纪（政府资助）。
AI芯片创业公司CEO迈克·亨利（Mike Henry）表示，在2015年和2016年初筹集资金简直是场噩梦。不过，据他说，“随着渴望在该领域展开收购的大型科技公司纷纷抢滩半导体市场，”这种情况已经发生了变化。
中国对开发新的AI芯片尤其感兴趣。北京的另一家芯片创业公司深鉴科技获得了4000万美元的融资，中国国家科学技术部也明确发出生产挑战英伟达的国产芯片的呼吁。
罕见的机会
由于这是一个全新的市场——还由于这种新型处理能力需求极高——许多人认为这是罕见的创业公司有希望对抗传统巨头的机会之一。
第一个重大变化将最有可能发生在数据中心上，像Graphcore和Cerebras这样在默默前行的公司希望能够加速新A.I形式的产生。它们的目标包括：机器人可以进行对话，系统能够自动生成视频和虚拟现实。
微软、谷歌（已专门针对AI开发出自有的芯片）等公司的研究人员，在通过反反复复的试验来“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。他们经常坐在他们的笔记本电脑前，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，把所有的试验都缩简到几分钟之内。
据前Nervana工程师斯科特·格雷（Scott Gray）称，目前，英伟达的GPU可以高效地执行所有进入训练神经网络的微小运算，但是在这些芯片之间传输数据的效率仍然很低。格雷目前供职于特斯拉CEO伊隆·马斯克（Elon Musk）等人联合创立的人工智能实验室OpenAI。
不仅仅打造芯片
因此，除了专门为神经网络打造芯片之外，初创公司们也在重新思考围绕芯片的硬件。
例如，Graphcore正在开发包含更多内置存储空间的芯片，以便它们不需要来回传送尽可能多的数据。其它公司正在研究扩大芯片之间管道的方法，以便加快数据交换过程。
Sequoia的卡夫兰说道，“这不仅仅要打造芯片，还要研究这些芯片如何连接在一起的，以及它们如何与系统的其它部分进行通信。”
但这只是变化的一部分。一旦神经网络完成一项任务的训练，还需要额外的装备来执行那项任务。在丰田公司，无人驾驶汽车原型正在使用神经网络来识别路上的行人、标志以及其它的物体。在数据中心训练完一个神经网络之后，该公司在安装在汽车上的芯片上运行这个算法。
许多芯片制造商（包括Mythic、深鉴科技和地平线机器人等初创公司）也在解决这一问题，推动AI芯片进入从手机到汽车的各种设备。
目前还不清楚这些新芯片的运作效果会怎么样。设计和制造一个芯片大约需要24个月的时间，这意味着首个依赖于它们的可行硬件也要到今年才会到来。芯片初创公司将会面临来自英伟达、英特尔、谷歌等行业巨头的激烈竞争。
但是，每家公司都是从同一个地方起跑：一个新市场的开始。（乐邦）
https://www.nytimes.com/2018/01/14/technology/artificial-intelligence-chip-start-ups.html
18221259202