一場新的軍備競賽已經(jīng)打響，不在地面，不在空中，它將是虛擬網(wǎng)絡(luò)世界新一代基石，也是AI時代連接虛擬和現(xiàn)實的核心。

沒錯，AI芯片，正在引發(fā)一場無形但聲勢浩大的軍備競賽。

而且美國and中國，仍然是這場競賽里的國家主角。

到底都有哪些“種馬”？AI芯片又為何在當前風(fēng)生水起？這樣的競合會把世界帶往何方？

兩大類玩家

要宏觀了解AI芯片，可以粗略分為兩大類玩家。

第一類，老霸主。

比如IBM已經(jīng)在去年發(fā)布了一款A(yù)I處理器，用以PK英偉達的GPU；英特爾也在通過收購加速AI芯片開發(fā)，并提供通用化的AI處理器；ARM則擁有兩個專為圖像識別而生的處理器；當然，霸中之霸，還屬英偉達，至少目前為止，GPU仍然供不應(yīng)求，而且老黃對專用芯片及軟件生態(tài)的研發(fā)步伐，還在加快。

老霸主之外，新玩家也從四面八方破土而出。

其中有互聯(lián)網(wǎng)巨頭，以谷歌、微軟、亞馬遜、蘋果、Facebook，以及特斯拉為代表，正在構(gòu)建起自己專門的AI專用處理器；

△ TPU

互聯(lián)網(wǎng)巨頭切入芯片領(lǐng)域，自然也是全球同此涼熱。在中國，阿里巴巴、百度和今日頭條都已先后對外公布了自己的芯片計劃。

而騰訊，一方面正在云平臺部署AI處理器功能，另一方面則已通過投資并購，將觸角伸到了之前從未開拓過的領(lǐng)域。

同時還有更廣泛且規(guī)模巨大的創(chuàng)業(yè)玩家。據(jù)《紐約時報》不完全統(tǒng)計，目前AI芯片相關(guān)創(chuàng)業(yè)公司，全球已有45家之多，而且數(shù)量還在不斷增加——另外也包括一些因各種原因不愿公開亮相的項目。

其中，至少有5家已從投資者那里籌集了超過1億美元。據(jù)CB Insights統(tǒng)計，VC去年在芯片初創(chuàng)企業(yè)的投資超過15億美元，幾乎是兩年前投資的2倍。

可能你也會有這樣的困惑：芯片制造早就格局已定，穩(wěn)如老司機，為啥忽然在AI加持后，忽然產(chǎn)生了這樣的爆發(fā)？這個將至未至的新世界，真的需要這么多AI芯片嗎？

關(guān)鍵不在芯片，而在AI。

此時此地此“芯”

Bill Coughran，現(xiàn)紅杉資本合伙人，之前一直在參與Google基礎(chǔ)設(shè)施布局，他說：機器學(xué)習(xí)和人工智能重新討論了如何構(gòu)建計算機的問題。

風(fēng)向至少可以追溯到2年前，2016年夏天。

當時谷歌、微軟和Facebook都在運用神經(jīng)網(wǎng)絡(luò)，構(gòu)建可以快速識別人臉的算法的應(yīng)用程序，而且這些算法還需要通過學(xué)習(xí)大量數(shù)據(jù)之后，來學(xué)會任務(wù)。

當時硬件上的選擇并不多，于是英偉達的GPU生逢其時。GPU原本為渲染游戲和圖形圖像而生，但后來被發(fā)現(xiàn)特別適合運行神經(jīng)網(wǎng)絡(luò)，于是在當年，英偉達在谷歌等大公司的訂單總額超過了1.43億美元，比上一年增長了一倍之多。

然而一切并非一勞永逸。

通用通吃的GPU，雖然可以有效訓(xùn)練神經(jīng)網(wǎng)絡(luò)，但在芯片之間實現(xiàn)數(shù)據(jù)傳輸時，仍然顯得效率低下。

另外，如果能夠?qū)ｉT圍繞AI應(yīng)用打造一個專用處理器，而不必跟基礎(chǔ)架構(gòu)搶資源，可以讓運算和任務(wù)訓(xùn)練執(zhí)行變得更高效。換而言之，其中處理AI的實際任務(wù)，與標準計算或GPU處理是完全不同的過程。

于是專芯專用，呼之欲出。

一般而言，目前大行其道的科學(xué)計算都以確定的方式運行。比如你想知道2+3=5，并計算其中的所有小數(shù)位，x86和GPU做得很好，但AI的本質(zhì)要求是：在沒有進行實際運算的情況下，就可以從2+3學(xué)到2.5+3.5。

也就是說，AI的核心是使用算法解析數(shù)據(jù)，從中學(xué)習(xí)數(shù)據(jù)，然后根據(jù)數(shù)據(jù)進行確定或預(yù)測。

從AlphaGo到Facebook的人臉識別應(yīng)用，展現(xiàn)的都是機器可以學(xué)習(xí)，且一旦學(xué)會了某個任務(wù)，就能觸類旁通。

GPU當前還算能用，但算不上好用。

這也是自動駕駛場景的AI芯片如今火熱的原因。

自動駕駛汽車的核心是讓AI在不確定的物理環(huán)境中，實現(xiàn)感知、定位和決策。毫無疑問，利用CPU和GPU實際也能完成任務(wù)——但在功耗等方面，耗費太不值當了。

如果每個芯片在不同時間、不同任務(wù)都有專用，能耗就會大大降低，芯片部署成本也會相應(yīng)降低。于是群雄并起，大家都希望在這個新興市場中，分掉原來屬于GPU的湯羹。

而且錢景也是顯而易見的，汽車市場有多大，自動駕駛專用的AI芯片市場也就會有相應(yīng)的比例。

于是就有了新景象，半導(dǎo)體行業(yè)開始老樹發(fā)新芽。

中美種馬

那么競技場內(nèi)，又有哪些新玩家值得關(guān)注呢？

外媒列出了中美為主的值得注意的玩家，我們搬運如下：

Cerebras Systems

位于加州洛思阿圖斯的創(chuàng)業(yè)公司悄悄地雇傭了一眾芯片行業(yè)的老兵，正悄悄地生產(chǎn)著專為數(shù)據(jù)中心AI訓(xùn)練而設(shè)計的深度學(xué)習(xí)處理器。

公司的聯(lián)合創(chuàng)始人及CEO Andrew Feldman此前曾創(chuàng)立服務(wù)器芯片公司SeaMicro，后者在2012年被AMD以3億3400萬美元買下，而此前在這里工作的四位同事Michael James、 Sean Lie,、Jean-Philippe Fricker、Gary Lauterbach與Feldman共同創(chuàng)立了Cerebras。

這家公司已經(jīng)完成了1億1200萬美金融資，而PitchBook對其估值8億6000萬美金。

Graphcore

這家英國公司由兩位芯片行業(yè)的老將，CEO Nigel Toon和CTO Simon Knowles共同創(chuàng)立，他們倆還創(chuàng)立過蜂窩調(diào)制解調(diào)器制造商Icera——這家公司在2011年被英偉達以4億3500萬美元收購。

Graphcore計劃明年開始推出他們的“計算處理單元“（IPU）。每張芯片都包含1000個處理核心，內(nèi)存區(qū)被置于處理器附近。基于早期的內(nèi)部測試結(jié)果，這家公司聲稱，在不同的深度學(xué)習(xí)模型上，自己的芯片能夠提供超過英偉達產(chǎn)品10到100倍的表現(xiàn)。

今年7月Graphcore完成的B輪3000萬美元融資中，投資者中就包括了Deepmind老大哈薩比斯（Demis Hassabis）、OpenAI的聯(lián)合創(chuàng)始人和CTO Greg Brockman以及Uber首席科學(xué)家、劍橋大學(xué)教授Zoubin Ghahramani。而在11月，紅杉又領(lǐng)投了一筆對這家公司的5000萬美元投資。到現(xiàn)在，Graphcore總共已經(jīng)融資了1億1000萬美元。

Mythic

Mythic目前著眼于智能家居、攝像頭、可穿戴設(shè)備以及無人機這樣的低功效嵌入式設(shè)備。

這家公司已經(jīng)從Data Collective、DFJ和Lux Capital拿到了1500萬美元左右的投資。

△ 寒武紀CEO陳天石（中新社攝）

寒武紀

由幾位參與了“寒武紀1號”項目的中國學(xué)者在2016年創(chuàng)立。

在終端，寒武紀曾與華為達成合作，寒武紀為華為Mate 10手機提供了能夠提升圖像、語音識別等AI任務(wù)表現(xiàn)的處理器，而這一合作也將寒武紀帶到了聚光燈下。

此外，寒武紀還推出了用于云端服務(wù)器的AI芯片。

目前，寒武紀已完成了一輪估值25億美元的新融資，而且中國在國內(nèi)芯片產(chǎn)業(yè)的雄心壯志將會成為寒武紀以及其他中國AI芯片初創(chuàng)公司的一大優(yōu)勢，尤其是考慮到，美國政府曾在2015年出于“安全考慮”禁止了向中國出口高端芯片。中國計劃投入1500億美元來推動國內(nèi)產(chǎn)業(yè)的發(fā)展。

地平線機器人

地平線機器人的創(chuàng)始人及CEO余凱曾經(jīng)領(lǐng)導(dǎo)過百度的深度學(xué)習(xí)研究院。按計劃，地平線的業(yè)務(wù)將同時包含硬件和軟件，覆蓋從無人車到攝像頭的各個AI戰(zhàn)場。

公司已經(jīng)完成了由英特爾領(lǐng)投的1億美金A輪融資。地平線已經(jīng)在去年12月發(fā)布了兩款A(yù)I處理器。

深鑒科技

清華系A(chǔ)I項目，去年10月完成了由螞蟻金服與三星風(fēng)投領(lǐng)投，招商局創(chuàng)投與華創(chuàng)資本跟投的共融資約4000萬美金的A+融資。

今年隨老股東賽靈思，進入ADAS領(lǐng)域，已獲車廠訂單。據(jù)稱也完成了新一輪融資。

Wave Computing

每個Wave Computing處理器都包含16000個處理核心，這家公司把16塊這樣的芯片裝進一個單獨的盒子，來進行每秒2.9 peta（千的五次方）次運算。

Wave Computing 2010年就成立了，但直到2016年，這家公司才第一次浮出水面。目前，它已經(jīng)收獲了超過6000萬美元融資。

Groq

Groq由谷歌TPU項目的前成員創(chuàng)辦。在自己的網(wǎng)站上，Groq稱自己家正在開發(fā)的芯片將有能力進行每秒400兆次的運算；相較之下，谷歌的第二代TPU每秒能進行180兆次運算。

這家公司獲得了來自Facebook前高管、風(fēng)投公司Social Capital創(chuàng)始人Chamath Palihapitiya——哦對了，大伙還記得他之前懟IBM沃森的事么？

ThinCI

ThinCI做的是針對視覺處理的圖像流處理器。這家公司由四位英特爾前雇員2010年在加州愛爾多拉多山創(chuàng)辦。

目前收到投資，金額未知，投資者包括汽車零部件提供商電裝美國和麥格納，以及英特爾前高管David Perlmutter。

Deep Vision

Deep Vision由兩位斯坦福博士創(chuàng)辦，主要為無人機、機器人和攝像頭開發(fā)低功耗深度學(xué)習(xí)芯片。

不過目前，除了創(chuàng)始人Rehan Hameed和Wajahat Qadeer發(fā)表了他們關(guān)于這種芯片的研究成果外，關(guān)于他們的工作還披露得很少。

KnuEdge

悶聲大發(fā)財！

手握1億刀來源未知的投資，這家公司沉默了10年之久，直到2016年才第一次公布自己的存在。在NASA前高層Daniel Goldin的領(lǐng)導(dǎo)下，這家地處圣地亞哥的公司目前正著手制造用于神經(jīng)網(wǎng)絡(luò)的256核芯片。

原本，KnuEdge還在2016年公布過一項用于語音識別的云服務(wù)，叫KnuVerse，不過現(xiàn)在，為了專注于自己的芯片，KnuEdge停止了這項服務(wù)。

Tenstorrent

這家多倫多創(chuàng)業(yè)公司由兩位AMD前工程師Ljubisa Bajic和Milos Trajkovic創(chuàng)辦。這家公司稱，自己正在為深度學(xué)習(xí)軟件制造高性能芯片。

今年早些時候，這家公司收到了一筆來自Real Ventures的種子輪投資，金額沒有披露。

Reduced Energy Microsystems

這家公司是最早參與YC加速器項目的芯片初創(chuàng)公司之一，目前已經(jīng)收到來自Draper Associates的200萬美元種子輪投資，專注于為深度學(xué)習(xí)開發(fā)低功耗芯片。

最后，華人相關(guān)的AI芯片也正在風(fēng)起云涌，創(chuàng)新工場投資的OURS，前滴滴研究院院長何曉飛的無人車公司飛步也有芯片計劃，依圖為造芯專門成立了子公司，Rokid、云知聲和出門問問等人機交互公司，都在今年推出了AI語音芯片（模組）。

這一場大戰(zhàn)，才剛剛開始。