麻省理工科技评论 (MIT Technology Review) 报导, 2017 年风险投资人对人工智能芯片新创的投资资金达 1.13 亿美元, 为 2015 年全年 3 倍之多, 其中英国半导体新创公司 Graphcore 刚从硅谷风投红杉资本募得 5 千万美元. 发展人工智能芯片的新创有 Mythic, Wave Computing, Cerebras, 中国深鉴科技 (DeePhi Tech) 与寒武纪科技 (Cambricon) , 寒武纪科技最近拿到中国政府一笔 1 亿美元投资.
为什么新创公司有机会, 报导指出, 现在许多企业重金投资可运行深度学习系统的硬件, 突显现存芯片的限制, 譬如 NVIDIA 的图形芯片是以数以千计的微型计算机并行运作来渲染像素, 透过一些调整, 已可运作深度学习算法, 但也涉及大量的并行计算, 最大的缺点就是太耗电.
卡内基美隆大学还要求研究人员缩短芯片使用时间, 因为这会给学校的电力系统带来压力, 他们正在寻找替代能源缓解这个问题. 新创公司计划生产效能更高的芯片, 但他们真正想的是生产人工智能应用的客制化芯片.
现在新一代芯片将多个处理功能结合至一个步骤, 而图形芯片是让多个步骤产生同一个结果. 前者的功能通常绑在一起, 以优化特定用例, 例如帮助自驾车发现潜在障碍的训练算法.
Graphcore 预计明年第一季出货, 声称其芯片执行同样任务比其他产品快 10~100 倍. 寒武纪的客户华为也表示, 针对深度学习应用如训练算法与辨识影像等, 寒武纪的芯片比图形芯片快 6 倍. 而许多专注机器人或计算机视觉等先进应用的产业人士认为新创公司提供的芯片, 确实有助于这个领域的研究进度.
当然芯片巨人不会坐以待毙, 英特尔即将发表一系列新处理器, 是由先前购并的机器学习新创公司 Nervana Systems 设计, NVIDIA 也加紧脚步升级自家芯片. 另一个挑战是新创主要设计高度专用化硬件, 需历时好几年才能上市, 到时候产业发生什么变化很难预测.
但如果新创公司设计的芯片涵盖层面太广, 就可能得牺牲性能层级, 无法与大公司竞争, 有些可能最后会以被购并告终. 小虾米对抗大鲨鱼, 自古就不是件容易的事.