據外媒theinformation報道，在他們向人工智能硬件開發商Tenstorrent的首席客戶官David Bennett詢問像他這樣的AI初創公司的未來時，他直言不諱：大多數都會倒閉。（原文：When I asked David Bennett, the chief customer officer of AI hardware developer Tenstorrent, about the future of startups like his, he was blunt: Most will go out of business.）

為此他指出，為了生存，建議初創公司保持靈活性，避免將自己限制在任何狹窄的用例中。Bennett 指的并不是某個利基市場，而是一個由數十家公司組成的廣泛群體，從SiMa.ai到Cerebras，這些公司總共籌集了數十億美元的風險投資，以對抗市場領導者Nvidia。

可以肯定的是，這位主管知道他在說什么。此前，他曾在芯片制造商AMD從事銷售工作十多年。他目前的雇主 Tenstorrent 由AMD首席執行官吉姆·凱勒 ( Jim Keller)領導，這位硬件傳奇人物開發了為iPhone 4 和 iPad 2 提供動力的蘋果A4 和 A5 處理器，并在 2016 年至 2018 年期間負責監督特斯拉的Autopilot 硬件項目。

從過去多年的發展看來，這也的確是擺在每個AI初創企業頭上的“達摩克里斯之劍”。

“

AI芯片，英偉達把持的市場

自去年 11 月ChatGPT上市以來，人們對這一領域的興趣達到了瘋狂的程度，震動范圍遠遠超出了科技行業。但如果沒有強大的計算機硬件，特別是來自加利福尼亞州英偉達的計算機芯片，這一切都是不可能實現的。

Nvidia 最初以制造處理圖形（尤其是電腦游戲）的計算機芯片而聞名，如今它的硬件支撐著大多數人工智能應用。

Gartner 半導體行業分析師艾倫·普里斯特利 (Alan Priestley) 表示：“它是推動人工智能這一新事物的領先技術參與者。”TechInsights分析師丹·哈奇森 (Dan Hutcheson) 補充道：“英偉達之于人工智能幾乎就像英特爾之于個人電腦一樣。”

ChatGPT 使用 10,000 個 Nvidia 圖形處理單元 (GPU) 進行訓練，這些 GPU 聚集在 Microsoft 的超級計算機中。

Nvidia 加速計算總經理兼副總裁伊恩·巴克 (Ian Buck) 表示：“它是眾多超級計算機之一，有些是公開的，有些則不是，這些超級計算機是使用 Nvidia GPU 構建的，適用于各種科學和人工智能用例。”

CB Insights最近的一份報告指出，Nvidia 占據了機器學習 GPU 市場約 95% 的份額。

它的人工智能芯片也在為數據中心設計的系統中銷售，每個芯片的價格約為 10,000 美元（8,000 英鎊），但其最新、最強大的版本售價要高得多。

那么英偉達是如何成為人工智能革命的核心參與者的呢？簡而言之，這是對自己技術的大膽押注，加上一些好的時機。

現任 Nvidia 首席執行官的黃仁勛 (Jensen Huang) 是 1993 年的創始人之一。當時，Nvidia 專注于為游戲和其他應用提供更好的圖形性能。

1999 年，它開發了 GPU 來增強計算機的圖像顯示。GPU 擅長同時處理許多小任務（例如處理屏幕上的數百萬像素），這一過程稱為并行處理。

2006 年，斯坦福大學的研究人員發現 GPU 還有另一個用途——它們可以加速數學運算，這是常規處理芯片無法做到的。正是在那一刻，黃先生做出了對我們所知的人工智能發展至關重要的決定。

他投入了 Nvidia 的資源來創建一種使 GPU 可編程的工具，從而開放其并行處理能力以用于圖形之外的用途。該工具已添加到英偉達的計算機芯片中。對于電腦游戲玩家來說，這是他們不需要的功能，甚至可能沒有意識到，但對于研究人員來說，這是在消費類硬件上進行高性能計算的一種新方法。

正是這種能力幫助激發了現代人工智能的早期突破。

2012 年，Alexnet亮相——一種可以對圖像進行分類的人工智能。Alexnet 僅使用兩個 Nvidia 可編程 GPU 進行訓練。訓練過程只需要幾天的時間，而對于更多數量的常規處理芯片來說，訓練過程可能需要幾個月的時間。

GPU 可以大幅加速神經網絡處理的發現開始在計算機科學家中傳播，他們開始購買 GPU 來運行這種新型工作負載。

“人工智能找到了我們，”Buck先生說。

英偉達通過投資開發更適合人工智能的新型 GPU 以及更多軟件來增強其優勢，以方便使用該技術。十年后，耗資數十億美元，ChatGPT 出現了——一種可以對問題給出奇怪的人類回答的人工智能。

“

英偉達的挑戰者們

然而，盡管英偉達的主導地位目前看起來已經確定，但長期來看卻很難預測。TIRIAS Research 的另一位行業分析師凱文·克雷威爾 (Kevin Krewell) 表示：“英偉達是一個背負著每個人都想擊敗的目標的公司。”

其他大型半導體公司提供了一些競爭。AMD 和英特爾都以制造中央處理器（CPU）而聞名，但他們也為人工智能應用制造專用 GPU（英特爾最近才加入競爭）。

谷歌擁有張量處理單元（TPU），不僅用于搜索結果，還用于某些機器學習任務，而亞馬遜則擁有用于訓練人工智能模型的定制芯片。

據報道，微軟也在開發人工智能芯片，Meta也有自己的人工智能芯片項目。

此外，數十年來首次出現了計算機芯片初創企業，包括 Cerebras、SambaNova Systems 和 Habana（被英特爾收購）。他們致力于從零開始，為 AI 打造更好的 GPU 替代品。

總部位于英國的 Graphcore 生產通用人工智能芯片，稱為智能處理單元 (IPU)，據稱該芯片具有更強的計算能力，并且比 GPU 更便宜。Graphcore 成立于 2016 年，已獲得近 7 億美元（5.6 億英鎊）的融資。

其客戶包括美國能源部的四個國家實驗室，并且一直在敦促英國政府在新的超級計算機項目中使用其芯片。

該公司聯合創始人兼首席執行官 Nigel Toon 表示：“[Graphcore] 已經構建了一款處理器來處理當今存在的人工智能，并將隨著時間的推移而發展。”他承認與英偉達這樣的巨頭抗衡具有挑戰性。雖然 Graphcore 也有軟件來支持其技術，但當世界已經構建了在 Nvidia GPU 上運行的人工智能產品時，很難安排轉換。

Toon 先生希望，隨著時間的推移，隨著人工智能從尖端實驗轉向商業部署，具有成本效益的計算將開始變得更加重要。

回到英偉達，伊恩·巴克 (Ian Buck) 并不太擔心競爭。

“現在每個人都需要人工智能，”他說。“由其他人決定他們將在哪里做出貢獻。”