深度：32家公司决战云端AI芯片！

在去年年底的NeurIPS活动中，Graphcore展示了一个示例配置RackScale IPU-Pod，包括32个1U IPU-Machines，每个由4个Colossus GC2 IPU处理器组成，提供500 TFLOPS混合精度计算，超过1.2GB的处理器内存以及超过200TB/s的内存带宽。

▲Graphcore IPU-Pod racksale系统

另一家2016年成立的以色列创企Habana Labs，在去年9月的AI硬件峰会上宣布已经准备推出其首款用于推理的AI芯片Goya，它显示了在Resnet50图像分类数据库中每秒分类15000张图像的吞吐量，比NVIDIA的T4设备高出约50％，延迟时间为1.3ms，功耗仅为100 W。

其最新7500万美元B轮融资（2018年12月）由英特尔风险投资公司领投，资金将部分用于研发第二款芯片Gaudi，该芯片将面向训练市场，据称训练性能可线性扩展到1000多个处理器。

印度AlphaICs公司也是在2016年成立，正在设计AI芯片并致力于AI 2.0，希望通过该系列产品实现下一代AI。

AlphaICs的一位联合创始人之一是有“奔腾芯片之父”称号的Vinod Dham，他与一些年轻的芯片设计师们合作打造了可执行基于代理的AI协处理芯片——RAP芯片。

Dham表示，AlphaICs芯片在处理速度上相较竞争对手更有优势，并称当前我们看到的大多属于弱AI，而他们可以被称之为“强AI”。

按照Dham的说法，RAP芯片有望在2019年年中推出，“希望为真正的AI创造一个大爆炸”。

Tenstorrent是位于加拿大多伦多的创企，由两位AMD前工程师Ljubisa Bajic和Milos Trajkovic创办，核心团队大多来自NVIDIA和AMD，研发专为深度学习和智能硬件而设计的高性能处理器。

去年早些时候，这家公司获得来自Real Ventures的种子轮投资，不过至今仍处于秘密模式。

4、独特战队：光子AI芯片

在面向云和数据中心领域的硬件势力中，一支特别的战队正受到国内外科技巨头的青睐，它就是光子AI芯片。

和常规芯片不同，这些芯片采用光子电路来代替电子传输信号，他们比电子电路拥有更高的传输速度、更低的延迟和更高的吞吐量。

2016年，MIT研究团队打造了首个光学计算系统，该成果于2017年以封面文章的形式发表在顶级期刊Nature Photonics杂志。正是这篇论文，在全球范围内启发更多人投入到光子AI芯片的研发之中。

仅是这一MIT团队，就在2017年孵化出Lightelligence和LightMatter两家美国公司。

Lightelligence在2018年2月拿到百度风投和和美国半导体行业高管1000万美元种子轮融资，LightMatter在2019年2月拿到由谷歌母公司Alphabet旗下的风险投资部门Google Ventures领投的2200万美元B轮融资。

Lightelligence称光子电路（Photonic Circuits）不仅能在云计算领域作为CPU的协处理器加速深度学习训练和推理，还能用于要求高效低能耗的网络边缘设备。

今年4月，Lightelligence宣布成功开发出世界第一款光子芯片原型板卡（Prototype），其光子芯片已与谷歌、Facebook、AWS、BAT级别的客户接洽。

LightMatter同样重点面向大型云计算数据中心和高性能计算集群，他们曾打造出2个早期的芯片，其中一个芯片包含超过十一个晶体管。

受MIT那篇论文的启发，2017年，国内第一家光子AI芯片创企光子算数由来自由清华大学、北京大学、北京交通大学等10所高校的博士生创立。

这家公司在2018年9月获得天使轮融资，据称其光子芯片的性能是电子芯片的1000倍，而功耗只有电子芯片的1%。

就在本月，比尔盖茨也开始投资AI芯片，而且投资的是同样研发硅光技术的Luminous。其他投资者还包括Uber联合创始人Travis Kalanick的10100基金，以及现任Uber CEO Dara Khosrowshahi。

Luminous目前仅有7位成员，但它的胃口可不小，目标是为包含谷歌最新的Tensor Processing Unit AI芯片的3000块电路板创建一个替代品。它们采用的方法借鉴了其联合创始人Mitchell Nahmias在普林斯顿大学的早期神经形态光子学工作。

现在这几家创企共同存在的问题是，不清楚多久能发布首款量产的光子AI芯片，以及这些芯片的实际应用效果能否真正取代电子芯片的位置。

五、当前云端AI芯片主要挑战

如今切入云AI芯片市场的玩家已经有数十家，不过由NVIDIA主导、多家半导体巨头分食的软硬件和服务市场大体格局依然比较稳定，产生新的格局变动绝非一件易事。

1、粥多僧少，聚拢效应明显

对于芯片行业来说，足量的产能至关重要。

半导体巨头可以实现十倍、百倍的产能，而创企很难在创业初期就做到这一点。现在的创企多为IC设计厂商，如果他们想要成为像英特尔、三星那样“自给自足”的公司，可能需要花数十亿美元不止。

经过2015-2016年的半导体行业整合浪潮后，近两年半导体并购潮正在逐渐“退烧”，大公司对芯片创企的投资或收购行动会更加谨慎。

2、人才争夺愈演愈烈

云端AI芯片的核心竞争力在于人才。

从当前市场上较受关注的云AI芯片公司来看，它们的研究团队多是在芯片巨头有超过十年从业经历的行业老兵，而且往往有带头研发出相关成功产品的经验。

无论是半导体巨头还是跨界造芯的科技巨头，基本上都在走两种路径，一是投资并购成熟的芯片公司，另一种就是从挖走其他大公司的芯片高管。

3、创新难+落地难

英特尔研究院院长宋继强曾经向智东西表示，AI芯片的未来一定是多样化，不同种类的产品满足不同功耗、尺寸、价钱的要求，AI一场马拉松，现在这场比赛才刚刚开始。

现阶段，入局云AI芯片领域的绝大多数巨头和创企都在打创新的招牌，包括创新的架构、存储技术以及硅光技术等。

由于对推动深度学习的新型计算资源的需求激增，许多人认为这是初创企业从巨头和投资机构手中争取资金的难得机会。

尽管玩家正在增多，打出的旗帜也趋于多样化，但就目前而言，真正落地量产的创新硬件还很有限。云端AI芯片面临的困境仍有很多，比如计算机体系结构普遍存在的摩尔定律难以维系和半导体器件方面的瓶颈。

研发芯片的过程可能需要数年时间，目前大部分硬件仍在开发中或在早期试验计划中进行。因此，很难预测哪些企业会实现承诺的性能。

结语：三股势力，决战云端AI芯片之巅

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!