MIT Technology Review (MIT Technology Review) informó que los capitalistas de riesgo en 2017 la inversión en capital de riesgo artificial de capital de riesgo de 113 millones de dólares, más de tres veces 2015 año completo, de la cual la empresa británica de semiconductores Graphcore acaba de La empresa de Silicon Valley Sequoia Capital recaudó 50 millones de dólares USA para desarrollar el nuevo chip de inteligencia artificial Mythic, Wave Computing, Cerebras, China, tecnología Deep Kam (Cambex), Cambricon Technology (Cambricon), Cambrian Technology recientemente Obtenga una inversión de $ 100 millones del gobierno chino.
Por qué las startups tienen la oportunidad de informar que muchas empresas están invirtiendo mucho en hardware que ejecuta sistemas de aprendizaje profundo que resaltan las limitaciones de los chips existentes como los chips gráficos de NVIDIA que procesan píxeles en paralelo con miles de microcomputadoras ejecutando Después de algunos ajustes, ha sido posible ejecutar algoritmos de aprendizaje profundo, pero también implica una gran cantidad de computación en paralelo, el mayor inconveniente es la potencia.
Carnegie Mellon también requiere que los investigadores reduzcan el tiempo de uso de chips ya que ejerce presión sobre el sistema de energía de la escuela y están buscando fuentes alternativas de energía para aliviar el problema. Las startups planean producir chips más eficientes, pero son reales Piense en un chip personalizado que hace aplicaciones de inteligencia artificial.
Ahora la nueva generación de chips combina múltiples funciones de procesamiento en un solo paso, mientras que el chip gráfico permite que múltiples pasos produzcan el mismo resultado. Las funciones anteriores a menudo se unen para optimizar casos de uso específicos, como algoritmos de entrenamiento que ayudan a detectar obstáculos potenciales al conducir .
Graphcore espera enviar en el primer trimestre del próximo año, alegando que sus chips funcionan de 10 a 100 veces más rápido que otros productos ". El cliente de Cambrian Huawei también dijo que para aplicaciones de aprendizaje profundo, como algoritmos de entrenamiento e imágenes de identificación, el chip Cambrian Seis veces más rápido que los chips gráficos, y muchos en la industria que se enfocan en aplicaciones avanzadas como la robótica o la visión por computadora, los chips proporcionados por las startups contribuyen a la investigación en esta área.
Por supuesto, el gigante de los chips no se quedará quieto, Intel está a punto de publicar una serie de nuevos procesadores, es de una máquina de adquisición previa de aprendizaje de inicio Systems diseña Nervana, NVIDIA también ha acelerado el ritmo de la mejora de su propio chip. Otro desafío importante es crear nuevo diseño altamente especializado de hardware , Tomar varios años para salir al público, y es difícil predecir cuándo cambiará la industria.
Pero si las startups diseñan chips que son demasiado amplios, podrían sacrificar los niveles de rendimiento, competir con las grandes compañías, y algunos podrían eventualmente comprarse y venderse. No siempre ha sido más fácil para los camarones luchar contra los grandes tiburones.