外媒盘点2017年爆发的AI芯片初创企业:有公司估值已达10亿美金

简介: 一大批初创企业正在思考如何寻找Nvidia在AI市场上潜在的漏洞。投资者也会注意到这一点。

由于在所有的方向上都有着巨大需求:游戏、数据中心利润的增加和AI中的潜在应用,英伟达的股价在2017年坐上了火箭,一路飙升。英伟达也成为最引人注目的一家科技公司。

虽然英伟达的股票价格和曲线图可能是2017年最吸引眼球的东西。但是,在一个AI继续成为科技界主题词的年份中,AI圈里发生的任何微小的事,都足以产生更加深层的影响。

今年,一批致力于开发各种硬件,以支持未来基于AI的设备的创业公司获得了大量的投资。其中一些创业公司远远没有接近大规模量产(或尚未有产品出现),但这些似乎没有成为融资的阻碍。

优化推理和训练机器是图像和语音识别等应用的两个关键部分,初创公司试图找到方法来改善这些过程,使其更快,更节能,而且整体上更适合下一代人工智能驱动的设备。 与我们已经习惯的、用CPU来实现的传统计算架构不同,GPU已经成为处理AI处理所需的快速计算的芯片之一。而这些创业公司认为他们可以比GPU做得更好

在关注创业公司之前,让我们快速回顾一下前面提到的Nvidia股价表。这能让你了解这里发生的事情究竟有多大。

在进入2018年前,Nvidia的股价上涨了近80%:

48d22bb955293ff352d06d62ad065aef1063ab08

图片来源:TechCrunch

所以,很自然,我们可能会看到一大批初创企业正在思考如何寻找Nvidia在AI市场上潜在的漏洞。投资者也会注意到这一点。

2016年12月,Crebras Systems从Benchmark Capital获得融资,当时筹集了大约2500万美元。当时看来,AI芯片产业似乎还不像今天那样显要。尽管如此,随着Nvidia在GPU市场上的主导地位不断上升,暗示这将是一个蓬勃发展的领域。然后《福布斯》在今年8月份报道说,Crebras Systems估值已经近9亿美元。

显然,这里有一些值得去挖掘的东西。

Graphcore也在今年造出了一些声势。在7月份由Atomico牵头的3000万美元投资之后不久,该公司今年11月宣布了由红杉资本(Sequoia Capital)领投的新一轮5000万美元融资。 Graphcore和Cerebras Systems一样,在市场上还没有像Nvidia一样提供产品。虽然硬件创业公司面临着比软件建设更多的挑战,但是这家初创企业一年能够筹集到8000万美元(也是够疯狂的)。

中国的相关人工智能创业公司也融到了大量的资金:阿里巴巴将资金投入了一家名为寒武纪的公司,据称该公司的估值为10亿美元。英特尔领投的地平线该轮融资1亿美金; 本月初,一家名为ThinkForce的创业公司筹集了6800万美元。

这么看来,前谷歌工程师Groq的新公司似乎不值得一提,他们从Social + Capital那里筹集了大约1000万美元的资金,这与上面列出的一些创业公司相比似乎很小。此外,最近,一家芯片制造商Mythic筹集了930万美元的资金。

所以我们可以看到,不仅有一两家,至少有七家初创公司在这个领域摩拳擦掌,欲欲跃试,其中许多已经筹集了数千万美元,至少有一家创业公司的估值在9亿美元左右。他们都是硬件初创公司,下一代硬件可能需要更多的融资。这仍然是一个不容忽视的领域。

初创公司之外,世界上最大的一些公司也在寻求创建自己的系统。谷歌今年早些时候在五月份宣布推出下一代TPU,旨在推动推理和机器训练。苹果为其下一代iPhone设计了自己的GPU。二者都将大大调整硬件以满足其特定需求,例如Google云应用程序或Siri。英特尔还表示,将在2017年底前推出新的Nervana 神经网络处理器。

英特尔在去年8月份以3.50亿美元的价格买下了Nervana。

对于初创企业和巨头来说,这些其实代表了巨大的机会,他们都在寻找对GPU的不同阐释。但是,要想将已经把开发者锁定在自己的平台(Cuda)上的英伟达拉下王座,可能会是一个更加困难的挑战。这对于希望把自己的硬件投放到市场,进而汇聚开发者的初创企业来说,更是困难重重。

当你与硅谷的投资者交谈时,你仍然会发现一些怀疑论者。例如,当在亚马逊服务器上的旧芯片对于训练来说已经很好的时候,为什么各个公司还会与寻求更快的芯片用于训练?尽管如此,流入这个领域的钱仍然是海量的。这是钱来自那些对Uber(尽管那里有相当大的动荡)和WhatsApp投入了很大资金的公司。

Nvidia在这一领域仍然是一个主要的领导者,随着自动驾驶汽车等设备越来越接近现实,Nvidia将继续寻求占据主导地位。但是随着我们进入2018年,我们可能会开始对这些初创公司是否有机会取代Nvidia有更好的了解。创造速度更快,功耗更低的芯片,让其可以进入物联网领域,并通过更有效的推断真正实现设备的功能,这是一个机会。在训练模型,比如告诉你的汽车松鼠长什么样的时候,让这些服务器更快,更高效 ,也可能是真正的巨大机会。


原文发布时间为:2017-12-25

本文作者:弗格森

本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”微信公众号

原文链接:外媒盘点2017年爆发的AI芯片初创企业:有公司估值已达10亿美金

相关实践学习
部署Stable Diffusion玩转AI绘画(GPU云服务器)
本实验通过在ECS上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。
相关文章
|
8天前
|
机器学习/深度学习 人工智能 安全
CCF-CV企业交流会:打造大模型时代的可信AI,探索AI安全治理新路径
近日,由中国计算机学会计算机视觉专委会主办的《打造大模型时代的可信AI》论坛顺利举行。论坛邀请了来自上海交通大学、中国科学技术大学等机构的专家,从立法、监管、前沿研究等多角度探讨AI安全治理。合合信息等企业展示了图像篡改检测等技术,助力AI向善发展。
43 11
CCF-CV企业交流会:打造大模型时代的可信AI,探索AI安全治理新路径
|
6天前
|
人工智能 Serverless API
尽享红利,Serverless构建企业AI应用方案与实践
本次课程由阿里云云原生架构师计缘分享,主题为“尽享红利,Serverless构建企业AI应用方案与实践”。课程分为四个部分:1) Serverless技术价值,介绍其发展趋势及优势;2) Serverless函数计算与AI的结合,探讨两者融合的应用场景;3) Serverless函数计算AIGC应用方案,展示具体的技术实现和客户案例;4) 业务初期如何降低使用门槛,提供新用户权益和免费资源。通过这些内容,帮助企业和开发者快速构建高效、低成本的AI应用。
45 12
|
21小时前
|
人工智能 安全 搜索推荐
到2028年,30%的财富500强企业将使用仅支持AI的服务渠道
到2028年,30%的财富500强企业将使用仅支持AI的服务渠道
|
10天前
|
人工智能 自然语言处理 数据挖掘
从行业痛点到AI前沿:揭秘AGI时代企业培训的终极之选
近几年接触到的各类培训合作方越来越多,从国际咨询巨头、互联网科技培训平台,到本土独角兽型的专业培训公司;从专攻新技术与创新场景的培训团队,到深谙传统行业痛点的咨询顾问。作为一名在央企、国企、上市公司人力资源培训条线深耕多年的HR负责人,深知在这片竞争激烈的培训服务蓝海中,寻找高质、高效的合作伙伴并不简单,因为企业培训的逻辑正在悄然改变。
|
17天前
|
人工智能 自然语言处理 算法
AI时代的企业内训全景图:从案例到实战
作为一名扎根在HR培训领域多年的“老兵”,我越来越清晰地感受到,企业内训的本质其实是为企业持续“造血”。无论是基础岗的新人培训、技能岗的操作规范培训,还是面向技术中坚力量的高阶技术研讨,抑或是管理层的战略思维提升课,内训的价值都是在帮助企业内部提升能力水平,进而提高组织生产力,减少对外部资源的依赖。更为重要的是,在当前AI、大模型、Embodied Intelligence等新兴技术快速迭代的背景下,企业必须不断为人才升级赋能,才能在市场竞争中保持领先。
|
1月前
|
人工智能 数据挖掘 数据库
拥抱Data+AI|破解电商7大挑战,DMS+AnalyticDB助力企业智能决策
本文为数据库「拥抱Data+AI」系列连载第1篇,该系列是阿里云瑶池数据库面向各行业Data+AI应用场景,基于真实客户案例&最佳实践,展示Data+AI行业解决方案的连载文章。本篇内容针对电商行业痛点,将深入探讨如何利用数据与AI技术以及数据分析方法论,为电商行业注入新的活力与效能。
拥抱Data+AI|破解电商7大挑战,DMS+AnalyticDB助力企业智能决策
|
25天前
|
人工智能 并行计算 程序员
【AI系统】SIMD & SIMT 与芯片架构
本文深入解析了SIMD(单指令多数据)与SIMT(单指令多线程)的计算本质及其在AI芯片中的应用,特别是NVIDIA CUDA如何实现这两种计算模式。SIMD通过单指令对多个数据进行操作,提高数据并行处理能力;而SIMT则在GPU上实现了多线程并行,每个线程独立执行相同指令,增强了灵活性和性能。文章详细探讨了两者的硬件结构、编程模型及硬件执行模型的区别与联系,为理解现代AI计算架构提供了理论基础。
64 12
|
22天前
|
人工智能 数据安全/隐私保护 数据中心
“芯片围城”下国产AI要放缓?答案或截然相反
12月2日,美国对华实施新一轮出口限制,将140余家中国企业列入贸易限制清单。对此,中国多个行业协会呼吁国内企业谨慎选择美国芯片。尽管受限企业表示影响有限,但此事件引发了关于AI领域芯片供应的担忧。华为云推出的昇腾AI云服务,提供全栈自主的算力解决方案,包括大规模算力集群、AI框架等,旨在应对AI算力需求,确保算力供给的稳定性和安全性,助力中国AI产业持续发展。
|
1月前
|
人工智能 数据库 决策智能
拥抱Data+AI|如何破解电商7大挑战?DMS+AnalyticDB助力企业智能决策
本文为阿里云瑶池数据库「拥抱Data+AI」系列连载第1篇,聚焦电商行业痛点,探讨如何利用数据与AI技术及分析方法论,为电商注入新活力与效能。文中详细介绍了阿里云Data+AI解决方案,涵盖Zero-ETL、实时在线分析、混合负载资源隔离、长周期数据归档等关键技术,帮助企业应对数据在线重刷、实时分析、成本优化等挑战,实现智能化转型。
拥抱Data+AI|如何破解电商7大挑战?DMS+AnalyticDB助力企业智能决策
|
1月前
|
存储 人工智能 数据可视化
高效率,低成本!且看阿里云AI大模型如何帮助企业提升客服质量和销售转化率
在数字化时代,企业面临海量客户对话数据处理的挑战。阿里云推出的“AI大模型助力客户对话分析”解决方案,通过先进的AI技术和智能化分析,帮助企业精准识别客户意图、发现服务质量问题,并生成详尽的分析报告和可视化数据。该方案采用按需付费模式,有效降低企业运营成本,提升客服质量和销售转化率。
高效率,低成本!且看阿里云AI大模型如何帮助企业提升客服质量和销售转化率