多年來，在科技領(lǐng)域投資的金融家們對制造電腦芯片的初創(chuàng)公司幾乎沒有什么興趣——很難想象一家初創(chuàng)企業(yè)如何與像英特爾這樣的巨頭競爭。畢竟，全球80%以上的個人電腦運行的都是英特爾公司生產(chǎn)的芯片。即使是在英特爾沒有占據(jù)主導(dǎo)地位的領(lǐng)域，比如智能手機和游戲設(shè)備領(lǐng)域，也有像高通和英偉達這樣的公司，足以“碾壓”那些初創(chuàng)企業(yè)。

但隨后，科技行業(yè)的最新風(fēng)潮——人工智能到來了。事實證明，新型計算機芯片可以更好地運行人工智能。突然間，風(fēng)險投資家們仿佛忘記了那些阻礙年輕的芯片公司成功的因素。

如今，至少有45家初創(chuàng)企業(yè)正在開發(fā)能夠為語音識別和自動駕駛汽車等任務(wù)提供動力的芯片，其中至少有5家已經(jīng)從投資者那里籌集了超過1億美元的資金。研究公司CB Insights的數(shù)據(jù)顯示，去年，風(fēng)險投資家在芯片初創(chuàng)企業(yè)中的投資超過15億美元，幾乎是兩年前的兩倍。

這次突然增長與上世紀80年代PC和硬盤制造商的突然擴張類似。雖然這些公司都是小公司，并且不是所有的公司都能生存下來，但它們有能力推動一段快速的技術(shù)變革。

是否有公司幻想著用他們的芯片挑戰(zhàn)英特爾，還有待考證——因為英特爾花費了數(shù)十億美元的資金建造自己的芯片工廠。(而這些初創(chuàng)公司與其他公司簽訂合同來生產(chǎn)芯片。)但是，在設(shè)計芯片來為機器學(xué)習(xí)提供完成越來越多的任務(wù)所需的特定計算能力時，這些初創(chuàng)企業(yè)正在朝著兩個目標中的一個方向前進：快速地找到一個有利可圖的利基市場，或者獲得大公司收購。

“機器學(xué)習(xí)和人工智能重新定義了如何制造計算機的問題，”Bill Coughran說。他曾幫助谷歌管理全球基礎(chǔ)設(shè)施數(shù)年，現(xiàn)在是硅谷風(fēng)險投資公司紅杉資本(Sequoia)的合伙人。紅杉資本投資了英國初創(chuàng)企業(yè)Graphcore，該公司最近也加入了市值1億美元的公司的行列。

在2016年夏天，變化已經(jīng)顯而易見。谷歌、微軟和其他互聯(lián)網(wǎng)巨頭正在開發(fā)應(yīng)用程序，通過使用算法，即所謂的神經(jīng)網(wǎng)絡(luò)，識別出照片中的人臉，并識別出智能手機上的指令。這些算法可以通過識別大量數(shù)據(jù)中的模式來學(xué)習(xí)任務(wù)。

英偉達最為人所知的是制作圖形處理單元，也就是G.P.U，它的設(shè)計初衷是幫助渲染游戲和其他軟件的復(fù)雜圖像——結(jié)果證明，它們在神經(jīng)網(wǎng)絡(luò)上的表現(xiàn)也非常好。在2016年夏天之前的一年內(nèi)，英偉達為谷歌等公司運營的大型計算機數(shù)據(jù)中心出售了1.43億美元的芯片，這一數(shù)字是上一年的兩倍。

英特爾爭先恐后地趕了上來。據(jù)科技新聞網(wǎng)站Recode的一份報告稱，英特爾公司以4億美元收購了硅谷初創(chuàng)企業(yè)Nervana，這家擁有50名員工的初創(chuàng)公司從零開始構(gòu)建芯片。在那之后，另一家硅谷初創(chuàng)公司，Cerebras，從Nervana搶下了五個工程師，也專門為人工智能設(shè)計了一個芯片。

根據(jù)福布斯的一份報告，到2018年初，Cerebras公司已經(jīng)籌集了超過1億美元的資金。此外還有另外四家公司也籌集到了超過1億美元的資金：Graphcore、另一家硅谷公司W(wǎng)ave Computing、以及兩家北京的公司——Horizon Robotics(地平線機器人)和Cambricon(寒武紀)，其中后兩家公司得到了中國政府的支持。

“在2015年和2016年初籌集資金是一場噩夢，”人工智能芯片初創(chuàng)公司Mythic的首席執(zhí)行官Mike Henry說。但是，他說，“隨著那些渴望得到滿足的大型科技公司紛紛轉(zhuǎn)向半導(dǎo)體行業(yè)，這種情況已經(jīng)發(fā)生了變化。”

中國在開發(fā)新的人工智能芯片方面表現(xiàn)出了特別的興趣。第三家位于北京的北京芯片初創(chuàng)企業(yè)DeePhi已融資4000萬美元，并且中國科技部已明確要求生產(chǎn)挑戰(zhàn)英偉達的中國芯片。

因為這是一個新的市場——而且因為人們對這種新型的處理能力有非常強烈的渴望——許多人認為，這是一個難得的機會，因為初創(chuàng)企業(yè)有機會對抗那些根基深厚的巨頭。

第一個重大變化很有可能出現(xiàn)在數(shù)據(jù)中心，像Graphcore和Cerebras這樣的公司一直對其計劃保持沉默，他們希望加速新形式的人工智能的創(chuàng)建，其中包括能夠進行對話、自動生成視頻以及虛擬現(xiàn)實。

微軟和谷歌等公司的研究人員已經(jīng)專門為人工智能建立了芯片，并通過極端的試驗反復(fù)“訓(xùn)練”神經(jīng)網(wǎng)絡(luò)，在大量的芯片上測試算法。整個訓(xùn)練過程可以持續(xù)數(shù)小時甚至數(shù)天。他們經(jīng)常坐在自己的筆記本電腦前，盯著圖表，觀察這些算法在學(xué)習(xí)數(shù)據(jù)時的進步。芯片設(shè)計人員希望簡化這一過程，將所有的試驗和錯誤打包到幾分鐘內(nèi)。

Scott Gray說，今天，英偉達的GPU可以高效地執(zhí)行所有用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的微小計算，但是芯片之間傳輸數(shù)據(jù)的效率仍然很低。Scott Gray先前是Nervana的一名工程師，后來加入OpenAI。OpenAI實驗室由特斯拉CEO埃隆·馬斯克(Elon Musk)等人共同發(fā)起。

因此，除了專門為神經(jīng)網(wǎng)絡(luò)打造芯片外，初創(chuàng)企業(yè)還在重新思考圍繞它們的硬件。例如，Graphcore正在構(gòu)建包含更多內(nèi)置內(nèi)存的芯片，以省去來回發(fā)送大量數(shù)據(jù)的麻煩。其他公司則在尋找擴大芯片之間傳輸?shù)姆椒ǎ员愀斓剡M行數(shù)據(jù)交換。

紅杉資本的Coughran說：“這不僅僅是建立芯片，而是研究這些芯片是如何連接在一起的，以及它們?nèi)绾闻c系統(tǒng)的其它部分交互。”

但這只是改變的一部分。一旦神經(jīng)網(wǎng)絡(luò)被訓(xùn)練成一個任務(wù)，就必須有額外的工具執(zhí)行這個任務(wù)。在豐田，自動駕駛汽車的原型正在使用神經(jīng)網(wǎng)絡(luò)來識別道路上的行人、標志和其他物體。在數(shù)據(jù)中心訓(xùn)練了一個神經(jīng)網(wǎng)絡(luò)之后，公司則在安裝在汽車上的芯片上運行這個算法。

許多芯片制造商——包括像Mythic、DeePhi和Horizon Robotics這樣的初創(chuàng)企業(yè)——也在解決這個問題，將人工智能芯片推向手機和汽車等各種設(shè)備。

目前還不清楚這些新芯片的運行效果如何。設(shè)計和制造芯片需要大約24個月的時間，這意味著即使是第一個依賴它們的可行硬件也要到今年才能實現(xiàn)。而這些芯片初創(chuàng)企業(yè)將面臨來自英偉達、英特爾、谷歌和其他行業(yè)巨頭的競爭。

但他們的起點是相同的：一個新市場的開始。