雷鋒網按：多年來，科技行業的融資人對于制造電腦芯片的初創公司幾乎沒有興趣。一家新興公司如何與像英特爾這樣的巨人競爭呢？英特爾制造的芯片在全球超過了80％以上的個人電腦中運行。即使在英特爾沒有占據統治地位的領域，如智能手機和游戲設備，也有像高通和Nvidia這樣的公司，足以碾壓新星。

但隨后出現了科技行業的較新風潮——人工智能。結果證明，用新型計算機芯片可以更好地運行人工智能。突然之間，風險投資家忘記了所有那些讓一家年輕的芯片公司難以獲得成功的障礙。紐約時報較近發表文章，指出了這一較新潮流，雷鋒網為您做如下編譯：

今天，至少有45家初創公司正在開發能夠支持語音和自動駕駛任務的芯片，至少有五家已經從投資者手中籌集超過1億美元。根據研究公司CB Insights的數據，風險投資家去年在芯片創業公司的投資額超過了15億美元，幾乎是兩年前投資金額的兩倍。

這次爆發性增長與20世紀80年代個人電腦和硬盤制造商的陡然增長類似。雖然這些公司是小公司，并不是全部都能生存下來，但他們有能力推動快速的技術變革。

是否有任何一家公司幻想過用自己的芯片正面挑戰英特爾，這一點還尚待考證——Intel可以花費數十億美元建造自己的芯片工廠，而初創公司智能與其他公司簽訂合約來制造芯片。但是在設計芯片為機器學習提供某種特定計算能力、使之能夠做越來越多的事情的過程中，這些初創公司正朝著兩個目標努力：快速找到一個有利可圖的市場，或者被收購。

“機器學習和A.I.重新定義了如何構建計算機的問題，“Bill Coughran說，他曾幫助Google監督全球基礎設施多年，現在是硅谷風險投資公司Sequoia（紅杉資本）的合伙人。紅杉投資了一家英國初創企業Graphcore，該公司較近加入了1億美元俱樂部。

到2016年夏天，變化已經很明顯。谷歌、微軟和其他互聯網巨頭正在通過算法構建可以圖像中的人臉、并識別智能手機接受到的語音指令的應用程序，該算法被稱為神經網絡，通過在大量數據中識別模式來學習任務。

Nvidia較為人熟知的是構建圖形處理單元，也就是G.P.U.，它被用來幫助游戲和其他軟件渲染復雜的圖像，而且事實證明，它們在神經網絡方面的表現也非常好。 Nvidia在今年夏天之前售出了1.43億美元的芯片給Google等公司運營的海量計算機數據中心——這個數字是去年的兩倍。

英特爾急于迎頭趕上。根據科技新聞網站Recode的報道，英特爾耗資4億美元收購了Nervana，一個擁有50名員工的硅谷初創公司。該公司已經開始從零開始建立A.I. 芯片。

之后，第二個硅谷初創公司Cerebras，從Nervana（硅谷初創芯片公司）搶下了五名的工程師，他們也為A.I專門設計了一個芯片。

根據福布斯的一份報告，到2018年年初，Cerebras籌集了超過1億美元的資金。 另外還有四家公司：一家硅谷的初創公司Graphcore，Wave Computing; 以及由中國政府支持的兩家中國公司，Horizon Robotics（地平線機器人）和Cambricon（寒武紀）。

人工智能芯片初創公司Mythic的首席執行官邁克·亨利（Mike Henry）表示，在2015年和2016年初，籌集資金簡直是一場噩夢。 但他表示，“隨著高科技公司紛紛搶灘半導體市場，情況已經發生了變化。

中國對開發新的A.I芯片特別感興趣。北京的第三家芯片創業公司DeePhi籌集了4000萬美元，中國國家科技部明確呼吁，生產能夠挑戰Nvidia芯片的中國芯片。

因為這是一個新興市場——而且對于這種新的處理能力市場渴求很大——許多人認為，這是創業公司有機會反抗樹大根深的科技巨頭的少數領域之一。

第一個較大的變化較可能來自數據中心，像Graphcore和Cerebras這些對其計劃保持沉默的公司，希望能夠加速創建A.I的新形式。 其目標包括，機器人可以參與對話和自動生成視頻和虛擬現實的系統。

微軟和谷歌等機構的研究人員，通過極端的反復實驗“訓練”神經網絡，在大量的芯片上測試算法幾個小時甚至幾天，為A.I.構建了自己的芯片。 他們經常坐在筆記本電腦前，盯著顯示這些算法從數據中學習的過程的圖表。 芯片設計人員想簡化這個過程，把所有的試驗和錯誤都打包到幾分鐘之內。

Scott Gray曾是Nervana的工程師，現在他是Open AI的研究人員之一，該機構發起人包括特斯拉的首席執行官伊隆·馬斯克。Scott Gray說，如今Nvidia的GPU可以高效地執行所有進入訓練神經網絡的微小計算，但是在芯片之間傳輸數據的效率仍然很低。

因此，除了專門為神經網絡構建芯片之外，初創公司正在重新思考圍繞它們的硬件。 

例如，Graphcore正在構建包含更多內置內存的芯片，以省去來回發送大量數據的過程。其他人正在研究擴大芯片之間傳輸的方法，以便更快地進行數據交換。

紅杉資本的Coughran說：“這不僅僅是構建芯片本身，還要看芯片是如何連接在一起的，以及如何與系統的其他部分交互。

但這只是變化的一部分。一旦神經網絡訓練完成一個任務，必須另外有工具執行這個任務。在豐田，自主駕駛汽車技術原型正在使用神經網絡來識別路上的行人，標志和其他物體。數據中心訓練完一個神經網絡之后，公司在安裝在汽車上的芯片上運行該算法。

許多芯片制造商（包括Mythic，DeePhi和Horizon Robotics等初創公司）正在解決這一問題，推動A.I.芯片進入到從手機到汽車的各種設備。

目前還不清楚這些新芯片的工作效果如何。設計和構建一個芯片大約需要24個月，這意味著即使是第一個依靠它們運行的可行硬件，也要在今年才會到來。同時芯片初創公司將面臨來自英偉達，英特爾，谷歌等行業巨頭的競爭。

但是它們都站在同一起點：一個新市場的開始。