美國矽谷新創公司Wave Computing專門開發機器學習晶片, 可依照資料所處地點和用途, 客制化不同的系統和方案, 可望撼動NVIDIA在機器學習晶片領域的龍頭地位. 該公司於2009年創立至今募得1億多美元資金. 據Electronic Design報導, Wave Computing執行長Derek Meyer表示, 他們旗下晶片完成任務的時間, 比繪圖晶片(GPU)快上數百倍, 可以爬梳數百萬張影像或數小時的演說, 專攻AI演演算法的訓練和推論. Wave Computing以前是開發通用晶片, 但2013年商業模式有了大轉彎, 畢竟機器學習軟體開始有長足發展, 隨後有更多新創公司例如Graphcore和Cerebras Systems加入戰局, 如今Wave Computing並不直接販售通用晶片. Meyer表示, 他們會依照資料所處地點和用途, 調配出不同的系統和方案. 目前市面上大多數新晶片屬於加速器, 內含上千個核心, 可以更快速有效率的執行機器學習任務, 但NVIDIA GPU等加速器仍有賴個別處理器下指令, 不僅耗電, 也容易有延遲的問題. Wave Computing處理器介於現場可編程邏輯閘陣列(FPGA)和特殊應用積體電路(ASIC)之間. Meyer表示, 在AI的世界, 軟體幾乎每天都在變, 晶片必須適應持續改變的演演算法. 然而, 問題是顧客是否願意從NVIDIA的GPU轉移到Wave Computing的技術? NVIDIA致力於拓展GPU的用途, 也支援每個主要的機器學習環境, 包括TensorFlow和Caffe, 但Wave Computing目前只支援TensorFlow. Wave Computing仍需付出心力教育顧客, 於2017年曾經為潛在顧客介紹Wave Computing的基礎設施. Wave Computing最近還收購MIPS Technologies, 試圖結合MIPS的多執行緒(multithreading)和即時功能, 以及Wave Computing自身的資料流硬體, 但發言人仍未證實新方案會是什麼面貌. MIPS基礎設施支援全球數十億個裝置, 也支援各式各樣的作業系統和工具. Moor Insights and Strategy的Karl Freund表示, Wave Computing收購MIPS是很大膽的移動, 可望加速獲利和進行產業卡位.
