据一家覆盖该领域的著名芯片分析公司称，在智能手📱机等边缘设备上执行 AI 推理的芯片是一个炙手可热的市场，甚至在该领域出现多年后，也吸引了越来越多的初创公司和越来越多的风险投资。
“有更多新的初创公司不断涌现，并继续努力实现差异化，”林利集团高级分析师迈克德姆勒在接受 ZDNet 电话采访时说，该公司发布了广为阅读的微处理器报告。
Linley Group 每年在硅谷举办两次会议，主办众多初创公司，即春季和秋季处理器论坛，近年来重点关注这些 AI 初创公司。
最近一次于 10 月在加利福尼亚州圣克拉拉举行的线上和线下活动中，EdgeCortix、Flex Logix、Hailo Technologies、Roviero、BrainChip、Syntiant、Untether AI、Expedera 等初创公司挤满了会议。 和 Deep AI 简短地谈论他们的芯片设计。
Demler 和团队定期编写一份名为《深度学习处理器指南》的研究报告，最新版本预计将于本月发布。 “据我统计，最新一期中有 60 多家芯片供应商，”。
边缘人工智能已经成为一个笼统的术语，主要指的是不在数据中心内的一切，尽管它可能包括数据中心边缘的服务器。 它的范围从智能手📱机到使用谷歌移动 AI 的 TinyML 框架消耗微瓦功率的嵌入式设备。
Demler 说，该范围的中间部分，芯片消耗的功率从几瓦到 75 瓦，是市场上特别拥挤的部分，通常以可插拔 PCIe 或 M.2 卡的形式出现。 （75 瓦是设备中的 PCI 总线限制。）
“PCIe 卡是市场的热门部分，用于工业人工智能、机器人技术、交通监控，”他解释道。 “你已经看到了 Blaize、FlexLogic 等公司——其中很多公司都在追逐这一细分市场。”
不过真的低功耗也挺活跃的。 “我想说 tinyML 细分市场同样热门。我们的芯片运行功率从几毫瓦到几微瓦不等。”
大多数设备专用于 AI 的“推理”阶段，人工智能在此阶段根据新数据进行预测。
推理发生在神经网络程序经过训练之后，这意味着其可调参数已经充分开发到足以可靠地形成预测并且程序可以投入使用。
Demler 说，初创公司面临的最初挑战是真正从漂亮的 PowerPoint 幻灯片放映到工作芯片。 许多公司从模拟他们的芯片在现场可编程门阵列上运行开始，然后要么转而销售成品片上系统 (SoC)，要么将他们的设计授权为可合成 IP，以整合到客户的 芯片。
“我们仍然看到很多初创公司都在两头下注，或者追求尽可能多的收入模式，”Demler 说，“首先在 FPGA 上进行演示，然后提供他们的核心 IP 以获得许可。” 一些初创公司还提供基于 FPGA 的版本作为产品。”
市场上有数十家供应商，即使是那些开始使用硅片的供应商也面临着展示一些有意义的不同东西的挑战。
“很难想出真正不同的东西，”德姆勒说。 “我看到这些介绍，‘世界第一’，或者‘世界最佳’，我说，是的，不，我们已经看过几十次了。”
有些公司一开始就采取了不同的方法，他们很早就脱颖而出，但花了一些时间才见效。
位于澳大利亚悉尼的 BrainChip Holdings 在加利福尼亚州拉古纳山设有办事处，早在 2011 年就推出了处理脉冲神经网络的芯片，这是一种人工智能的神经形态方法，旨在更接近地模拟人脑的功能。
多年来，该公司一直在展示其技术如何执行任务，例如使用机器视觉来识别赌场地板上的筹码。
“BrainChip 一直在顽强地追求这种尖峰结构，”Demler 说。 “它有一个独特的能力，它可以真正在设备上学习，”从而同时进行训练和推理。
从某种意义上说，BrainChip 在所有初创公司中走得最远：它是公开交易的。 其股票在澳大利亚证券交易所上市，股票代码为“BRN”，去年秋天，该公司发行了美国存托股票，在美国场外交易市场进行交易，股票代码为“BCHPY”。 自那以后，这些股票的价值增加了两倍多。
BrainChip 刚刚开始产生收入。 该公司在 10 月份推出了用于 x86 和 Raspberry Pi 的“Akida”处理器的迷你 PCIe 板，并在上个月宣布推出售价 499 美元的新 PCIe 板。 该公司在 12 月季度的收入为 110 万美元，高于上一季度的 100,000 美元。 当年总收入为 250 万美元，营业亏损为 1400 万美元。
事实证明，其他一些奇特的方法很难在实践中实施。 芯片初创公司 Mythic 成立于 2012 年，总部位于得克萨斯州奥斯汀，一直在探索使用模拟芯片技术制作其部分电路的新颖路线，在这种技术中，它不是处理 1 和 0，而是通过操纵实值波形进行计算 的电信号。
“Mythic 已经生产了一些芯片，但还没有宣布我们所知道的任何设计胜利，”Demler 观察到。 要困难得多。”
Demler 指出，在处理器大会上展示的另一家初创公司 Syntiant 开始采用模拟方法，但认为模拟方法不能提供足够的功率优势并且需要更长的时间才能推向市场。
Syntiant 位于加利福尼亚州欧文市，成立于 2017 年，专注于非常简单的物体识别，可以在功能手📱机或可听设备上以低功耗运行。
“在功能手📱机上，你不需要应用程序处理器，因此 Syntiant 解决方案是完美的，”Demler 观察到。
Demler 表示，无论任何一家初创公司是否成功，特殊电路的使用都意味着人工智能加速将作为一种芯片技术持续存在。
“人工智能在许多领域变得如此普遍，包括汽车、嵌入式处理、物联网、移动、PC、云等，包括专用加速器将变得司空见惯，就像 GPU 用于图形一样。”
尽管如此，Demler 表示，某些任务在通用 CPU、DSP 或 GPU 上运行会更高效。 这就是为什么 Intel 和 Nvidia 以及其他公司正在使用特殊指令（例如矢量处理）来扩展其架构。
只要资金充裕的风险投资市场让千花齐放，就会继续探索不同的方法。
“仍然有那么多风险投资资金，我对这些公司继续获得的数额感到震惊，”德姆勒说。
Demler 指出，位于加利福尼亚州圣何塞的 Sima.ai 成立于 2018 年，该公司获得了巨额融资，该公司正在开发所谓的“MLSoC”，专注于降低功耗。 该公司在 B 轮融资中获得了 8000 万美元。
另一个是特拉维夫的 Hailo Technologies，成立于 2017 年，根据 FactSet 的数据，该公司已筹集了 3.205 亿美元，其中包括最近一轮的 1 亿美元，据称估值为 10 亿美元
“来自中国的数字如果属实，则更加惊人，”德姆勒说。 他说，目前看来资金将继续提供。 “在风险投资界决定有其他投资方向之前，你会看到这些公司无处不在。”
在某个时候，会发生洗牌，但那一天何时到来尚不清楚。
“他们中的一些人最终不得不离开，”德姆勒沉思道。 “无论是 3 年还是 5 年后，我们都会在这个领域看到更少的公司。”
Demler 及其同事将于 4 月下旬在圣克拉拉的凯悦酒店举办下一次会议活动，即春季处理器论坛，但将为那些无法亲自参加的人提供现场直播。
本文内容由互联网用户自发贡献，该文观点仅代表作者本人。商机网仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 tenspace2022@163.com 举报，一经查实，本站将立刻删除。 本文链接：https://www.315965.com/n/66640.html
