麻省理工科技評論 (MIT Technology Review) 報導, 2017 年風險投資人對人工智慧晶片新創的投資資金達 1.13 億美元, 為 2015 年全年 3 倍之多, 其中英國半導體新創公司 Graphcore 剛從矽谷風投紅杉資本募得 5 千萬美元. 發展人工智慧晶片的新創有 Mythic, Wave Computing, Cerebras, 中國深鑒科技 (DeePhi Tech) 與寒武紀科技 (Cambricon) , 寒武紀科技最近拿到中國政府一筆 1 億美元投資.
為什麼新創公司有機會, 報導指出, 現在許多企業重金投資可運行深度學習系統的硬體, 突顯現存晶片的限制, 譬如 NVIDIA 的圖形晶片是以數以千計的微型計算機並行運作來渲染像素, 透過一些調整, 已可運作深度學習演算法, 但也涉及大量的並行計算, 最大的缺點就是太耗電.
卡內基美隆大學還要求研究人員縮短晶片使用時間, 因為這會給學校的電力系統帶來壓力, 他們正在尋找替代能源緩解這個問題. 新創公司計劃生產效能更高的晶片, 但他們真正想的是生產人工智慧應用的客制化晶片.
現在新一代晶片將多個處理功能結合至一個步驟, 而圖形晶片是讓多個步驟產生同一個結果. 前者的功能通常綁在一起, 以優化特定用例, 例如幫助自駕車發現潛在障礙的訓練演算法.
Graphcore 預計明年第一季出貨, 聲稱其晶片執行同樣任務比其他產品快 10~100 倍. 寒武紀的客戶華為也表示, 針對深度學習應用如訓練演算法與辨識影像等, 寒武紀的晶片比圖形晶片快 6 倍. 而許多專註機器人或計算機視覺等先進應用的產業人士認為新創公司提供的晶片, 確實有助於這個領域的研究進度.
當然晶片巨人不會坐以待斃, 英特爾即將發表一系列新處理器, 是由先前購併的機器學習新創公司 Nervana Systems 設計, NVIDIA 也加緊腳步升級自家晶片. 另一個挑戰是新創主要設計高度專用化硬體, 需曆時好幾年才能上市, 到時候產業發生什麼變化很難預測.
但如果新創公司設計的晶片涵蓋層面太廣, 就可能得犧牲性能層級, 無法與大公司競爭, 有些可能最後會以被購併告終. 小蝦米對抗大鯊魚, 自古就不是件容易的事.