【IT168 编译】许多芯片初创公司会将人工智能视为一次机会。

　　位于英国的半导体创业公司Graphcore的联合创始人兼首席执行 )表示，就在几年前，许多风险投资家都认为投资半导体芯片是一个笑话。他说:“想到它，许多合伙人会在地板上大笑。而现在，这些芯片企业家受到了欢迎，投资者反而是掏出了他们的支票簿。

　　风险投资家们有充分的理由警惕硅，即使有“硅谷”这样的名字。半导体芯片的开发成本远远高于软件，直到最近，革新才区分开新旧版本。即使它们能生存下来，年轻企业的利润率通常也会比芯片制造的硅晶片更薄。英特尔(Intel)和Nvidia等巨头是强大的竞争对手，拥有深厚的行业知识，甚至更雄厚的财力。

　　一些投资者越来越相信，人工智能可能是创建重要新半导体企业的独特机会。据追踪私人企业交易的服务提供商PitchBook的数据显示，今年，风险投资家已向以人工智能为核心的芯片初创企业上投资了1.13亿美元，几乎是2015年全年的三倍。

　　有了大量的计算能力，机器现在可以识别物体并实时翻译语音。人工智能终于“变聪明”了。

　　Graphcore一直是这一转变的受益者之一，最近又增加了硅谷领先的风险投资公司红杉资本(Sequoia Capital)提供的5000万美元的资金。许多其他的芯片企业，包括美国的Mythic，Wave Computing，Cerebras以及中国的DeePhi Tech和Cambricon，也在为人工智能应用开发新的芯片。

　　自从大型机问世以来，计算机硬件的进步已经引发了软件的创新。反过来，这些也激发了硬件的后续改进。而人工智能是这个数据周期的最新转折。许多行业的企业一直在大力投资硬件，以运行深度学习系统。但随着这些技术变得越来越复杂，它们暴露了人工智能的现有芯片的局限性。

　　其中许多处理器来自Nvidia，它的图形芯片被广泛用于电力游戏和图像制作。处理器有成千上万个微型计算机并行渲染图像。经过一些调整，它已经适应了运行深度学习算法，这也涉及大量的并行计算。

　　虽然它们已经被广泛采用，但图形芯片也有一些缺点。其中一个最大的问题是，当出现大量的并行工作的时候，会吸收大量的能量。卡内基梅隆大学，一个领先的人工智能研究中心，甚至不得不要求那里的研究人员暂时减少他们对芯片的使用，因为这会给学校的电力系统带来压力。CMU的教授弗朗茨·特朗蒂(Franz特许)表示，该大学正在寻找替代能源来缓解这一问题。

　　人工智能芯片公司正计划生产更多的节能处理器。但真正让他们精力充沛的是他们的信念，即人工智能应用程序的定制处理器可以在广泛的机器学习任务中击败不那么专业的芯片。新一代芯片将多个处理功能组合成一个单独的步骤，而图形处理器则需要多个步骤才能达到相同的结果。这些功能通常被捆绑在一起，以优化特定的用例，比如训练算法，帮助自动汽车发现前方潜在的障碍。

　　Graphcore声称，在初步测试中，它的新“智能处理单元”将在明年第一季度交付给早期客户，比目前的硬件速度快10倍到100倍。Cambricon的客户华为企业认为，对于用像训练算法这样的深度学习应用程序来识别图像，初创公司的芯片比在图形处理器上运行相同功能的速度会快6倍。

　　研究人员对人工智能计算能力的重大飞跃前景感到兴奋。英国帝国理工学院(Imperial College)的教授安德鲁?戴维森(Andrew Davison)表示:“我们现在的处境和我们想要做的事情之间仍有很大的差距。”戴维森认为，芯片初创公司给市场带来的创新将加速他自己领域的进步。

　　这样的反应令人欣慰，但它们不能保证这场战争的胜利。大型芯片企业已经推出了自己的人工智能芯片，以与初创公司的产品竞争。例如，英特尔(Intel)最近宣布，计划推出一个由神经系统(神经系统)设计的新处理器系列，这是该企业去年收购的一家初创公司。而与此同时，Nvidia也在迅速提升自己芯片的功能。

　　此外，创业公司还面临着另一个挑战。他们中的许多人都在设计硬件来支持高度专业的人工智能应用程序。但要想把芯片推向市场还需要几年的时间。考虑到人工智能正在发展的速度，在他们的产品广泛使用的时候，他们所设计的用途可能将不再是最重要的。

　　Lux Capital的沙欣(Shahin Farshchi)在2010年前后与初创企业建立了4G无线应用程序。其中很多都失败了，因为它们对没有成为主流的应用程序进行优化。他表示:“对于那些非常狭隘的芯片公司来说，这将是一次又一次的洗牌。”

　　但如果年轻企业制造的芯片跨越了广泛的应用领域，他们可能会牺牲性能水平。有些人甚至可能会被芯片巨头收购。