AI芯片行业大爆发，英伟达能否在巨头蚕食的市场中突围？

今年，所有人的目光都聚焦在Nvidia上，这家公司的股票可谓是一路暴涨。这主要归功于各行各业对芯片需求的激增，包括游戏、数据中心以及人工智能应用。

2017年备受关注的除了Nvidia的股价之外，人工智能也成为了今年不容忽视的主题。AI正大步“入侵”科技领域，如今近乎无处不在。这一现象在AI世界也许尚不明显，但却会产生非常深远的影响。

今年，大批初创企业都致力于为支持人工智能技术的未来设备开发各式各样的硬件，它们也都拿到了高额融资。一些初创企业尚未拥有大规模的安装基础（或上线一个产品），但已经足够吸引投资者，因而根本不用担心融资问题。

为了优化推理和机器训练——这是图像和语音识别等处理技术的关键内容——初创企业一直在寻找途径进行再次升级，从而使其变得更快、更节能，并能更好地适配下一代人工智能技术支持的设备。在处理人工智能所需的快速运算时，图形处理器已经成为了硅谷的首选，而非是中央处理器运行下的传统计算架构。下文中的这些初创企业认为它们可以更好地完成这一点：

在我们了解这些初创企业之前，让我们首先来回顾一下之前提到的Nvidia股价变化图，从而大致了解一下股价上涨的程度。即便在今年年底出现了一些回落，Nvidia的股价也上涨了近80%：

自然而然，我们会发现有一批初创企业试图利用Nvidia在人工智能市场上存在的潜在弱点。投资者们当然也会注意到这一点。

最先传来的消息是Cerebras Systems在去年12月份获得了由Benchmark Capital提供的资金，公司在当时筹集到了近2500万美元的融资。那时候，人工智能芯片行业还不像现在这样火爆。但在之后的时间里，Nvidia主导图像处理器市场的事实很清楚地表明了这是一个迅速发展的行业。后来，福布斯在今年8月的报道称公司市值约为9亿美元。显然，这个市场是值得去挖掘的。

同样一鸣惊人的还有Graphcore。公司在今年11月宣布完成了5000万美元的新融资轮，Sequoia Capital领投。而在不久之前的7月，公司完成了3000万美元的融资轮，当时领投的是Atomico。不过，Graphcore和Cerebras Systems一样，还未能像Nvidia那样在市场上开发出一个饱受好评的产品。尽管和软件初创企业相比，硬件初创企业要面临更多挑战，但是这家创企依然能在一年之内成功融资8000万美元。

中国的人工智能初创企业也完成了一连串的融资：阿里巴巴投资了一家名叫Cambricon Technology的初创企业，据报道称创企估值达到10亿美元。Intel Capital以1亿美元领投了Horizon Robotics的融资轮。本月早些时候，还有一家叫做ThinkForce的初创企业筹集到了6800万美元的融资。

就更不用说前谷歌工程师创建的初创企业Groq了，这家创企从Social+Capital筹集到了1000万美元（虽然和上述创企相比，这笔资金也许还不多）。另一家芯片制造商Mythic则筹集到了930万美元融资。

所以，我们看到的不仅仅只是一家或两家，而是有七家初创企业在类似的领域里同台竞争。其中，多家创企筹集到了数千万美元的融资，至少有一家创企市值达到9亿美元。当然，市场上还存在一些硬件初创企业，新一代硬件也需要更多资金支持。但是该行业依然是不可忽视的。

除了初创企业之外，全球最大的公司也在试图创建自己的系统。谷歌在今年五月正式公布了其专用的推理和机器学习芯片TPU（张量处理器）。苹果也为下一代iPhone手机设计了自己的图形处理器。但是两种处理器还需很长时间才能让硬件满足它们的特定需求，比如说Google Cloud应用或Siri。英特尔在10月份也表示它会在2017年底推出新的神经网络处理器芯片（Nervana Neural Network Processor）。去年8月，报道称英特尔以3.5亿美元收购了Nervana。

上述所有数据和事实都表明初创企业以及大型公司对于人工智能芯片行业都是采取严阵以待的态度，每一家公司都在试图诠释图形处理器。但是推翻Nvidia的现有地位还是颇具难度的，这家公司已经开始在自己的平台Cuda上锁定开发者了。对于尝试推广自己的硬件并招揽开发者的初创企业来说，它们也同样任重而道远。

当你和硅谷的投资者聊天，你还是会存在一些疑惑。比如说，为什么亚马逊服务器里的旧式扩展卡能够满足机器训练需求，但是公司仍然想要为此购买更快的芯片呢？现在仍有大量的资金流入该领域。投资该行业的和之前投资Uber以及WhatsApp的是同一批公司。

目前，Nvidia仍是该领域的领头羊。随着无人驾驶汽车等设备与芯片关系愈加密切，公司也希望能够继续维持自己的霸主地位。随着2018年的到来，我们可以更好地了解这些初创企业能否超越Nvidia。制造出更快且节能的芯片将带来诱人的机遇，它可以参与物联网并且凭借更高效的推理，真正实现互联设备的愿景。此外，当人们想要训练模型时——比如说一个可以告诉汽车松鼠长什么样子的模型——它还能让服务器变得更快、更加节能。