電子發燒友網報道（文/周凱揚）隨著LLM在內的AI模型從規模和計算復雜性上成倍增加，與數年前相比，訓練優秀AI模型的成本已經上升到了一個新的高度。從最近不斷溢價、缺貨搶貨的GPU市場也可以看出，硬件成本已經成了AI發展的最大瓶頸。

為了訓練高質量的AI模型，堆硬件數量幾乎是避無可避的。為此，越來越多的AI芯片廠商看到了這個缺口，力求以自己的高性能硬件產品來填補競品造成的缺口。甚至不少此前專注在低功耗/邊緣AI計算的半導體公司，也計劃沖擊著更高的算力。

Leapmind

Leapmind是一家來自日本的邊緣AI公司，其主要產品為超低功耗的AI推理加速器IP，Efficiera。Efficiera專門針對FPGA和ASIC/ASSP設備上的CNN推理計算進行了優化，僅需極小的面積和功耗就能實現優異的算力，所以很適合集成在邊緣設備中。

雖然主打超低功耗，但Efficiera的性能表現卻一點都不差，根據Leapmind的綜合測試，在7nm工藝和533MHz的主頻下，Efficiera可以實現107.8TOPS/W的能效表現。加上Efficiera對CNN的優化，使其非常適合用于圖像識別類的應用，比如AR/VR、智能相機等。據Leapmind透露，他們已經在臺積電28nm和12nm上用此IP完成了數個SoC開發項目。

不過，Leapmind的野心并沒有止步于此，他們同樣看中了LLM大模型市場，計劃開發一款新的AI芯片來解決性能瓶頸問題。Leapmind指出，新的AI芯片將專注于AI模型訓練和推理，目標性能是2PFLOPS，且旨在實現與同等性能GPU 10倍差距的性價比。

這一AI芯片的特點包括，與Efficiera一樣，強調低精度計算下的性能表現，比如FP8等，從而減少所需的晶體管數量，也減少DRAM的帶寬壓力。同時Leapmind也會開源相關的驅動程序和編譯器，畢竟開發AI模型所需的軟件棧絕對不是Leapmind這個體量的公司能解決的問題。

Mythic

數字AI芯片的競爭或許異常激烈，但模擬AI芯片卻是Mythic的主戰場。他們打造的模擬矩陣處理器M1076芯片，可以實現單芯片25TOPS的性能，標準功耗卻只有3W到4W左右。

其模擬存內計算架構利用高密度的模擬內存來片上存儲神經網絡，而不是像數據芯片一樣需要片外數據交換，這種架構為其提供了遠低于數字芯片的功耗和延遲，為此更適合用于圖像傳感類的應用，比如物體識別等。

不過M1076的推出似乎并沒有給這家公司帶來足夠的客戶和利潤，哪怕他們甚至打入了洛克希德馬丁的供應鏈。從去年底開始，就有報道稱Mythic已經耗盡資金，無力進行下一代模擬存內計算架構的研發。直到今年3月，現有投資者和Catapult Ventures等新投資者為其再度注入了1300萬美元的資金，才將其從危機中挽救回來。

獲得新一輪融資后的Mythic的目標仍是做邊緣端的AI計算，但他們已經準備好對標桌面級GPU的算力表現了，為AR頭顯等算力需求持續拔高的機器視覺應用提供硬件支持。Mythic表示，新的M2000將進一步降低大小、功耗和成本，同時具備部署高性能機器視覺的能力，進一步擴大應用領域。

寫在最后

其實對于多數AI初創芯片公司來說，雖然競爭對手數量龐大，但低功耗AI芯片仍是一個相對更容易入局的市場。反倒是到了與GPU拼性能的時候，他們的競爭對手往往變成了GPU大廠或云服務廠商，所以必須得具備獨一無二的特性和足夠高的性價比，才能吸引到客戶以及投資。但這也恰好證明了多數AI芯片的擴展性，同樣的架構在邊緣AI芯片上實現后，也能廣泛用于更大規模的高性能AI芯片上，但他們的差異化戰略能否一并成功延續過來，仍需要接受局面完全不同的市場考驗。