近日紐約時報發布文章稱，人工智能（AI）備受科技巨頭們和風險資本的追捧，也為芯片創業公司開辟了一片新天地，給它們帶來了罕見的挑戰傳統芯片巨頭的機會。目前專為人工智能開發處理器的初創公司有45家之多，其中至少已經有5家獲得1億美元以上的投資。

　　以下是文章主要內容：

多年來，科技行業的金融家對于制造電腦芯片的初創公司毫無興趣。

區區一家初創公司，怎么跟像英特爾這樣的巨頭競爭呢？目前全球80％以上的個人電腦由英特爾的芯片來驅動。即便是在英特爾沒有占據統治地位的領域，比如智能手機和游戲設備，也有像高通和Nvidia這樣的公司虎視眈眈。

然而，近年來出現了科技行業最新的一件大事——人工智能，該新技術搭配新型的計算機芯片使用也有更好的效果。忽然之間，風險投資家們都將對小型芯片公司取得成功的障礙都拋諸腦后。

目前，至少有45家初創公司正在開發能夠支持語音、無人駕駛汽車等任務的芯片，且至少有五家已經從投資者手中籌集了1億多美元。根據市場研究公司CB Insights的數據，風險投資家去年對芯片創業公司的投資額超過了15億美元，幾乎是兩年前的投資水平的兩倍。

這種爆炸式發展，讓人不由聯想起1980年代大量涌現的PC廠商和硬盤制造商。雖然這些公司體量不大，也并不是全都會存活下來，但它們有潛力推動快速的技術變革。

初創公司的兩個目標

這些公司不一定都幻想著能夠憑借自有的芯片工廠挑戰英特爾，畢竟那些工廠造價要數十億美元。（這些初創公司選擇讓其它公司代工生產它們的芯片。）不過，它們致力于設計能夠讓機器學習如何做更多事情所需的計算能力的芯片，向兩個目標中的任意一個進發：找到一個有利可圖的細分市場，或者被收購。它們得快速前行。

“機器學習和AI已經重新開啟了如何構建計算機的問題。”曾在谷歌負責全球基礎設施數年的硅谷風投公司Sequoia合伙人比爾·卡夫蘭（Bill Coughran）指出。Sequoia投資了最近加入1億美元融資俱樂部的英國初創企業Graphcore。

到2016年夏天，行業的變化顯而易見。谷歌、微軟和其它的互聯網巨頭正在打造AI應用，那些應用可通過使用被稱為神經網絡的算法迅速識別照片中的人臉，以及響應來自智能手機的語音指令。這些算法可以通過識別大量數據中的模式來學習執行任務。

英偉達以制造圖形處理器（GPU）而著稱，該類處理器被設計來幫助游戲和其它的軟件渲染復雜的圖像——事實證明，它們也非常適用于神經網絡。在截至去年夏天的一年里，英偉達向像谷歌這樣的公司所運營的大型計算機數據中心售出了總值1.43億美元的芯片——較前一年翻了一倍。

英特爾在苦苦追趕。它收購了Nervana，該擁有50名員工的硅谷初創公司從零開始打造AI芯片。根據科技新聞網站Recode的報道，該交易的規模為4億美元。

之后，另一家硅谷初創公司Cerebras挖走了5名Nervana工程師，因為它也要針對AI設計芯片。

根據福布斯發布的一份報告，到2018年年初，Cerebras完成了超過1億美元的融資。達到這種融資規模的AI芯片創業公司還有四家：Graphcore；另一個硅谷公司Wave Computing;以及兩家北京公司地平線機器人和寒武紀（政府資助）。

AI芯片創業公司CEO邁克·亨利（Mike Henry）表示，在2015年和2016年初籌集資金簡直是場噩夢。不過，據他說，“隨著渴望在該領域展開收購的大型科技公司紛紛搶灘半導體市場，”這種情況已經發生了變化。

中國對開發新的AI芯片尤其感興趣。北京的另一家芯片創業公司深鑒科技獲得了4000萬美元的融資，中國國家科學技術部也明確發出生產挑戰英偉達的國產芯片的呼吁。

罕見的機會

由于這是一個全新的市場——還由于這種新型處理能力需求極高——許多人認為這是罕見的創業公司有希望對抗傳統巨頭的機會之一。

第一個重大變化將最有可能發生在數據中心上，像Graphcore和Cerebras這樣在默默前行的公司希望能夠加速新A.I形式的產生。它們的目標包括：機器人可以進行對話，系統能夠自動生成視頻和虛擬現實。

微軟、谷歌（已專門針對AI開發出自有的芯片）等公司的研究人員，在通過反反復復的試驗來“訓練”神經網絡，在大量的芯片上測試算法幾個小時甚至幾天。他們經常坐在他們的筆記本電腦前，盯著顯示這些算法從數據中學習的過程的圖表。芯片設計人員想簡化這個過程，把所有的試驗都縮簡到幾分鐘之內。

據前Nervana工程師斯科特·格雷（Scott Gray）稱，目前，英偉達的GPU可以高效地執行所有進入訓練神經網絡的微小運算，但是在這些芯片之間傳輸數據的效率仍然很低。格雷目前供職于特斯拉CEO伊隆·馬斯克（Elon Musk）等人聯合創立的人工智能實驗室OpenAI。

不僅僅打造芯片

因此，除了專門為神經網絡打造芯片之外，初創公司們也在重新思考圍繞芯片的硬件。

例如，Graphcore正在開發包含更多內置存儲空間的芯片，以便它們不需要來回傳送盡可能多的數據。其它公司正在研究擴大芯片之間管道的方法，以便加快數據交換過程。

Sequoia的卡夫蘭說道，“這不僅僅要打造芯片，還要研究這些芯片如何連接在一起的，以及它們如何與系統的其它部分進行通信。”

但這只是變化的一部分。一旦神經網絡完成一項任務的訓練，還需要額外的裝備來執行那項任務。在豐田公司，無人駕駛汽車原型正在使用神經網絡來識別路上的行人、標志以及其它的物體。在數據中心訓練完一個神經網絡之后，該公司在安裝在汽車上的芯片上運行這個算法。

許多芯片制造商（包括Mythic、深鑒科技和地平線機器人等初創公司）也在解決這一問題，推動AI芯片進入從手機到汽車的各種設備。

目前還不清楚這些新芯片的運作效果會怎么樣。設計和制造一個芯片大約需要24個月的時間，這意味著首個依賴于它們的可行硬件也要到今年才會到來。芯片初創公司將會面臨來自英偉達、英特爾、谷歌等行業巨頭的激烈競爭。

但是，每家公司都是從同一個地方起跑：一個新市場的開始。