美国硅谷新创公司Wave Computing专门开发机器学习芯片, 可依照资料所处地点和用途, 客制化不同的系统和方案, 可望撼动NVIDIA在机器学习芯片领域的龙头地位. 该公司于2009年创立至今募得1亿多美元资金. 据Electronic Design报导, Wave Computing执行长Derek Meyer表示, 他们旗下芯片完成任务的时间, 比绘图芯片(GPU)快上数百倍, 可以爬梳数百万张影像或数小时的演说, 专攻AI演算法的训练和推论. Wave Computing以前是开发通用芯片, 但2013年商业模式有了大转弯, 毕竟机器学习软件开始有长足发展, 随后有更多新创公司例如Graphcore和Cerebras Systems加入战局, 如今Wave Computing并不直接贩售通用芯片. Meyer表示, 他们会依照资料所处地点和用途, 调配出不同的系统和方案. 目前市面上大多数新芯片属于加速器, 内含上千个核心, 可以更快速有效率的执行机器学习任务, 但NVIDIA GPU等加速器仍有赖个别处理器下指令, 不仅耗电, 也容易有延迟的问题. Wave Computing处理器介于现场可编程逻辑闸阵列(FPGA)和特殊应用积体电路(ASIC)之间. Meyer表示, 在AI的世界, 软件几乎每天都在变, 芯片必须适应持续改变的演算法. 然而, 问题是顾客是否愿意从NVIDIA的GPU转移到Wave Computing的技术? NVIDIA致力于拓展GPU的用途, 也支持每个主要的机器学习环境, 包括TensorFlow和Caffe, 但Wave Computing目前只支持TensorFlow. Wave Computing仍需付出心力教育顾客, 于2017年曾经为潜在顾客介绍Wave Computing的基础设施. Wave Computing最近还收购MIPS Technologies, 试图结合MIPS的多执行绪(multithreading)和即时功能, 以及Wave Computing自身的资料流硬件, 但发言人仍未证实新方案会是什么面貌. MIPS基础设施支持全球数十亿个装置, 也支持各式各样的作业系统和工具. Moor Insights and Strategy的Karl Freund表示, Wave Computing收购MIPS是很大胆的移动, 可望加速获利和进行产业卡位.
