劃重點
1
在人工智能芯片領(lǐng)域，英偉達依然是無可爭議的霸主，不過許多初創(chuàng)公司正準備發(fā)起挑戰(zhàn)。
2
d-Matrix和Rain Neuromorphics等初創(chuàng)公司表示，他們的芯片可以幫助企業(yè)降低大模型訓練成本。
3
Tiny Corp和Modular等公司正在開發(fā)替代英偉達編程語言Cuda的軟件，以減少對英偉達CPU的依賴。
4
許多早期創(chuàng)立的人工智能芯片公司多以破產(chǎn)告終，目前崛起的這批公司被視為第二波挑戰(zhàn)者。
在用于訓練人工智能模型的圖形處理單元（GPU）市場，盡管AMD和英特爾等競爭對手正在努力追趕，但英偉達依然牢牢地占據(jù)著霸主地位。不過，許多雄心勃勃的初創(chuàng)公司正加入這場競爭，他們推出了人工智能芯片的替代設(shè)計，聲稱比英偉達的GPU更好、更高效。其他初創(chuàng)公司則瞄準了英偉達的應用編寫軟件，這類軟件促使公司持續(xù)使用英偉達的芯片。
與英偉達的產(chǎn)品相比，d-Matrix和Rain Neuromorphics等初創(chuàng)公司正在努力推銷自己的芯片和軟件，稱它們可以幫助企業(yè)降低訓練和運行機器學習模型的成本。Tiny Corp和Modular等公司則在開發(fā)英偉達編程語言Cuda的替代品，Cuda可以讓開發(fā)者加速他們的應用程序，并且只能與英偉達的GPU兼容工作。
目前參與人工智能芯片競爭的初創(chuàng)公司中，三家（Qyber、Modular以及MatX）由曾效力于谷歌的工程師所創(chuàng)立。谷歌銷售的人工智能芯片旨在與英偉達競爭。這是一個明顯的跡象，表明雄心勃勃的科技企業(yè)家認為，盡管面臨著財力雄厚的競爭對手，但他們可以在這個領(lǐng)域取得進展。
幾家致力于尖端芯片設(shè)計的初創(chuàng)公司還沒有將產(chǎn)品推向市常其中包括Lightmatter，該公司開發(fā)了使用晶體管和激光組合的芯片，即光子計算，它可以更快的速度、更少的能源傳輸數(shù)據(jù)。這些公司認為，自己的產(chǎn)品可以更經(jīng)濟的方式，讓企業(yè)構(gòu)建開發(fā)大語言模型所需的超級計算機。
第二波人工智能芯片創(chuàng)企崛起
我們在這里介紹八家初創(chuàng)公司，他們正試圖挑戰(zhàn)英偉達在人工智能芯片領(lǐng)域的霸主地位。2017年，至少有十幾家初創(chuàng)公司試圖在人工智能芯片領(lǐng)域向英偉達發(fā)起挑戰(zhàn)。然而，隨之而來的大清洗提醒人們，這些創(chuàng)企面臨著高昂的成本和競爭挑戰(zhàn)。
2017年比較受關(guān)注的兩家公司，KnuEdge和Reduced Energy Microsystems都已經(jīng)倒閉。另一家公司W(wǎng)ave Computing在2020年申請破產(chǎn)，次年以新名稱MIPS重新出現(xiàn)。據(jù)科技網(wǎng)站The Register報道，另一家人工智能芯片初創(chuàng)公司Mythic的前工程副總裁在職業(yè)社交網(wǎng)站領(lǐng)英上寫道，該公司去年已經(jīng)耗盡現(xiàn)金。今年早些時候，Mythic宣布任命新CEO，并獲得了1300萬美元融資。
Cerebras生產(chǎn)的大規(guī)模人工智能芯片整合了許多英偉達GPU的處理能力，而SambaNova Systems似乎是早期競爭對手中最有能力挑戰(zhàn)英偉達的公司。在上一輪融資熱潮中，他們和Graphcore一起以數(shù)十億美元的估值進行了幾輪大型融資，目前正在銷售產(chǎn)品。
新一代人工智能芯片初創(chuàng)公司面臨多重挑戰(zhàn)，首先是英偉達作為訓練機器學習模型標準的穩(wěn)固地位。英偉達在最新財報中表示，截至7月30日的過去三個月里，該公司營收達到135億美元，其中大部分來自數(shù)據(jù)中心業(yè)務(wù)。
更重要的是，盡管最近投資者對人工智能充滿熱情，但初創(chuàng)公司面臨的融資環(huán)境比上一代創(chuàng)業(yè)者更為嚴峻。風險投資、私募股權(quán)和并購數(shù)據(jù)庫PitchBook的數(shù)據(jù)顯示，人工智能芯片初創(chuàng)公司獲得的風險投資從2021年的95億美元下降到今年上半年的略高于10億美元。
此外，這些初創(chuàng)公司還面臨著進入流片階段的技術(shù)復雜性和高昂成本挑戰(zhàn)，還需要將設(shè)計完成并交付給臺積電等制造商盡快投產(chǎn)。盡管如此，創(chuàng)始人和投資者都認為，生成式人工智能將改變計算領(lǐng)域的許多部分，這足以鼓舞他們從英偉達身上分一杯羹。
以下為準備挑戰(zhàn)英偉達的八家創(chuàng)企：
1.Modular
成立時間：2022年
創(chuàng)始人：克里斯拉特納（Chris Lattner，首席執(zhí)行官）、蒂姆戴維斯（Tim Davis，首席產(chǎn)品官）
投資方：GV、Greylock Partners、Factory HQ以及SV Angel
股權(quán)融資總額：3000萬美元
簡介：Modular致力于為訓練和運行機器學習模型制作開發(fā)平臺和編程語言。它允許用戶從一系列人工智能工具中進行選擇，包括谷歌首先開發(fā)的開源軟件TensorFlow，以及最初由Meta開發(fā)的開源軟件PyTorch。然后，Modular用戶可以在一系列服務(wù)器芯片上運行他們的模型。這些芯片可以來自英偉達，也可以來自英特爾、AMD。
構(gòu)建和運行人工智能應用程序需要大量的計算能力。人工智能開發(fā)人員抱怨說，在試圖控制計算成本時，很難在不同類型的芯片之間移動他們的軟件。今年5月，Modular推出了其有限預覽版產(chǎn)品，其理念是讓工程師更容易在任何類型的硬件上運行模型，從而在性能和成本之間取得平衡。
Modular尚未披露其定價結(jié)構(gòu)，其產(chǎn)生的收入也很少。但兩位創(chuàng)始人的背景鼓舞了投資者。該公司首席執(zhí)行官拉特納此前在蘋果公司負責編程語言Swift的開發(fā)，隨后與Modular的聯(lián)合創(chuàng)始人兼首席產(chǎn)品官戴維斯一起在谷歌工作，兩人負責公司的人工智能產(chǎn)品開發(fā)。早些時候有報道稱，Modular最近正在進行新一輪融資談判，估值為6億美元。
2.MatX
成立時間：2022年
創(chuàng)始人：雷納波普（Reiner Pope，首席執(zhí)行官）、邁克岡特（Mike Gunter，首席技術(shù)官)
投資方：Outset Capital、SV Angel以及Homebrew
股權(quán)融資總額：未知
簡介：MatX正在開發(fā)用于文本應用程序的大語言模型（LLM）專用芯片。這些芯片被設(shè)計成比英偉達GPU等硬件運行得更快、更便宜，后者支持包括圖像生成在內(nèi)的多種人工智能應用。
前谷歌員工創(chuàng)立了這家初創(chuàng)公司。MatX的首席執(zhí)行官波普曾幫助這家搜索巨頭建立了大語言模型Pathways，并編寫了高效運行模型的軟件。MatX的首席技術(shù)官岡特負責張量處理單元的研發(fā)，這是谷歌專門的人工智能硬件，與英偉達的GPU競爭。這家初創(chuàng)公司在其網(wǎng)站上表示，它已經(jīng)得到了幾家風險投資公司的支持，但它尚未發(fā)布產(chǎn)品，也沒有宣布籌資額度。
這家總部位于加州山景城的公司還得到了許多LLM研究人員的支持，包括Palo Alto Networks公司首席商務(wù)官阿米特辛格(Amit Singh)。目前還不清楚MatX是否有客戶，但該公司表示，它得到了“知名LLM公司的大力支持”，其中包括OpenAI和Anthropic等初創(chuàng)公司。該公司創(chuàng)始人沒有回應采訪請求。
3.Qyber
成立時間：2022年
創(chuàng)始人：紀堯姆韋爾登（Guillaume Verdon），湯姆哈布雷格森（Tom Hubregtsen）
投資方：Hof Capital和Julian Capital
股權(quán)融資總額：未知
簡介：據(jù)知情人士透露，Qyber正在開發(fā)一種專門為運行LLM而設(shè)計的芯片。
這家秘密創(chuàng)業(yè)公司是由X（Alphabet“登月工廠”）前研究人員創(chuàng)立的，他們專注于量子計算。Qyber網(wǎng)站對其計劃含糊其辭，有一個頁面上寫著：“下一個計算時代并未消亡，它還活著。” 根據(jù)PitchBook的數(shù)據(jù)，去年11月，Qyber從總部位于紐約的風險投資公司Hof Capital和總部位于舊金山的種子階段投資基金Julian Capital籌集到了資金。知情人士透露，該公司最近與潛在投資者討論了新一輪籌資事宜。
4.Rain Neuromorphics
成立時間：2017年
創(chuàng)始人：戈登威爾遜（Gordon Wilson，首席執(zhí)行官）、杰克肯德爾（Jack Kendall，首席技術(shù)官）、胡安尼諾（Juan Nino，首席科學顧問）
投資方：Airbus Ventures、百度風投、FoundersX Ventures、薩姆奧特曼（Sam Altman）以及丹尼爾克羅斯（Daniel Gross）
股權(quán)融資總額：3300萬美元
簡介：Rain Neuromorphics現(xiàn)在被稱為Rain AI，旨在幫助使用傳統(tǒng)GPU訓練和運行機器學習模型的企業(yè)降低高昂成本。
這些成本在一定程度上源于這些芯片在從內(nèi)存和處理組件傳輸數(shù)據(jù)時產(chǎn)生的熱量。這需要不斷冷卻GPU，從而推高了數(shù)據(jù)中心的電力成本。Rain AI首席執(zhí)行官威爾遜表示，該公司的芯片和軟件將內(nèi)存和處理器結(jié)合在一起，這與人類突觸的功能十分相似，使它們能夠以耕地溫度、更節(jié)能的方式運行。
5.Tiny Corp
成立時間：2022年
創(chuàng)始人：喬治霍茨（George Hotz）
投資方：未披露
股權(quán)融資總額：510萬美元
簡介：Tiny Corp的產(chǎn)品幫助開發(fā)人員加快訓練和運行機器學習模型的過程。
自動駕駛初創(chuàng)公司Comma AI的創(chuàng)始人兼前首席執(zhí)行官喬治霍茨正在圍繞一套名為tinygrad的開源深度學習工具建立業(yè)務(wù)。今年5月，霍茨在GitHub上發(fā)帖稱，他認為tinygrad可以成為Pytorch的“有力競爭對手”，Pytorch是一套源自Meta的深度學習工具。不過，就目前而言，霍茲似乎更喜歡保持低調(diào)。他說：“我們不和兩種類型的人說話，警察和記者。”
6.Sima.ai
成立時間：2018年
創(chuàng)始人：克里希納蘭加薩伊（Krishna Rangasayee，首席執(zhí)行官）
投資方：富達、Amplify Partners、戴爾技術(shù)資本、VentureTech Alliance
股權(quán)融資總額：2億美元
簡介：Sima.ai正在開發(fā)硬件和軟件，以用在飛機、無人機、汽車和醫(yī)療設(shè)備等“邊緣”設(shè)備上，而不是在數(shù)據(jù)中心為人工智能軟件提供動力。
在芯片制造商Xilinx工作了近20年的蘭加薩伊于2018年創(chuàng)立了Sima.ai。他在接受采訪時表示，在他看來，有些行業(yè)對新硬件的需求日益增長，但缺由于各種原因無法訪問云中的人工智能計算，他希望解決這個問題。例如，自動駕駛汽車需要即時做出決定，并可以從本地運行人工智能軟件中受益。而在醫(yī)療保健等行業(yè)，公司可能不想將敏感數(shù)據(jù)發(fā)送到云端，而是更愿意將其留在設(shè)備上。
今年6月，Sima.ai表示，該公司已開始批量生產(chǎn)其第一代EDGE人工智能芯片。該公司表示，它正在與制造業(yè)、汽車和航空等行業(yè)的50多家客戶合作。
7.Lightmatter
成立時間：2017年
創(chuàng)始人：尼古拉斯哈里斯(Nicholas Harris，首席執(zhí)行官)、達里烏斯布南達爾（Darius Bunandar）、托馬斯格雷厄姆（Thomas Graham）
投資方：Matrix Partners、Spark Capital、Viking Global、SIP Global Partners
股權(quán)融資總額：2.66億美元
簡介：Lightmatter利用激光在芯片和服務(wù)器組之間傳輸數(shù)據(jù)。
麻省理工學院的學生利用從該大學獲得的專利技術(shù)創(chuàng)辦了這家初創(chuàng)公司。據(jù)其聯(lián)合創(chuàng)始人兼首席執(zhí)行官尼古拉斯哈里斯說， 在訓練和運行機器學習模型時，Lightmatter的產(chǎn)品幫助企業(yè)將數(shù)據(jù)中心的能耗成本降低了約80%，而英偉達、AMD和英特爾等供應商的芯片通過電線傳輸數(shù)據(jù)。哈里斯說，Lightmatter還計劃讓英偉達、AMD和英特爾等公司授權(quán)其技術(shù)在自己的芯片中使用。
8.d-Matrix
成立時間：2019年
創(chuàng)始人：希德謝斯(Sid Sheth，首席執(zhí)行官)，蘇迪普博賈（Sudeep Bhoja）
投資方：微軟、SK海力士、Playground Global以及Entrada Ventures
股權(quán)融資總額：5100萬美元
簡介：d-Matrix正在開發(fā)一種專門的芯片和軟件，用于運行結(jié)合了處理器和內(nèi)存的機器學習模型，這些處理器和內(nèi)存通常是芯片上相互獨立的不同組件。
d-Matrix的聯(lián)合創(chuàng)始人兼首席執(zhí)行官希德謝斯表示，這種方法使d-Matrix的芯片產(chǎn)生的熱量更少，因此需要的冷卻也更少，這使它們成為比主要供應商的GPU和CPU芯片更具成本效益的選擇。在許多公司都在尋求基于OpenAI的GPT-4等LLM構(gòu)建生成性人工智能應用程序的時候，這一點很重要。
謝斯說，d-Matrix選擇專注于推理運行的機器學習模型，而不是訓練這些模型，因為他們認為隨著時間的推移，這些模型會變得越來越大，運行成本也會變得更高。該公司已有客戶測試其芯片和軟件，并計劃在明年上半年將其商業(yè)化。（文/金鹿）
