AI芯片初创公司，前景不妙

近期的一些消息显露出AI芯片初创公司的前景，似乎不太妙！Wave Computing破产关闭的还历历在目，现在，AI芯片领域的初创公司似乎正遭遇前所未有的挑战。在英伟达的“阴影”下，一些潜在的投资者对初创公司望而却步。面对全球经济的不稳定性不断增强，投资者因而变得越发审慎，他们对风险的忍受度显著降低，这进一步增加了AI芯片制造商在筹资时的困难。根据 PitchBook 的数据，对专注于人工智能的芯片制造商的风险投资从2021年的90亿美元降至40亿美元。

虽然像Cerebras Systems、Graphcore和SambaNova这样的企业成功筹集了大量资金，并在自己的技术领域取得了一定的成就，但要撼动英伟达这样的行业巨擘仍非易事。尤其是在像ChatGPT这类大型模型应用兴起之际，英伟达的地位愈发稳固，其GPU芯片在众多AI应用中都扮演着不可或缺的角色，这使得任何试图挑战英伟达的初创公司都面临着巨大的压力。这些AI芯片初创企业需要不懈努力，以证明他们的技术不仅能与英伟达媲美，甚至具有超越的潜力和价值。

资金流动性的减少、创新步伐的放缓，以及消费者信心的衰退，都在很大程度上制约了这些初创公司的成长。在这种大环境下，AI芯片初创公司不仅要与技术巨头竞争，还要在经济大潮的冲击下稳住阵脚，这无疑对它们的生存和发展提出了更高的要求。

几近破产、融资困难、裁员，艰难的AI芯片公司

Mythic是模拟AI芯片的一家明星公司，但是据科技网站The Register报道，这家专注于模拟内存计算（CIM）的AI芯片初创公司总共筹集了约1.6亿美元资金，去年现金耗尽，几乎被迫停止运营。好在2023年3月，它成功筹集到了1300万美元投资。Mythic首席执行官Dave Rick表示，英伟达“间接”加剧了整体 AI 芯片融资困境，因为投资者希望投资巨额、回报丰厚的全垒打型投资。

在资金筹集方面，Graphcore堪称欧洲半导体初创企业中的佼佼者。这家公司由Nigel Toon和Simon Knowles在2016年创立，此前他们将自己的硬件公司卖给了英伟达。Graphcore致力于开发IPU（智能处理单元），这一点与目前主流的针对人工智能应用的GPU（图形处理单元）截然不同。Graphcore称，其IPU在满足人工智能的特定需求方面，比GPU更具有优势。据PitchBook的数据显示，截至目前，Graphcore已经成功筹集了超过6亿美元的投资。然而，相比所筹集的资金，Graphcore的收入却相对微薄。

故事在2020年出现了重大转变，当时微软决定停用Graphcore的芯片于其云计算中心，这一举措使得Graphcore失去了一个主要客户，从而面临了更加严峻的挑战。根据金融时报的报道，到2022年，Graphcore的收入骤降了46％，仅为270万美元，同时税前亏损增加了11%，高达2.046亿美元，年终现金余额为1.57亿美元。Graphcore表示，到明年5月份需要进一步融资才能实现收支平衡。公司将这一不利局面归咎于“宏观经济环境的逆境”和“关键战略客户”的硬件采购推迟，尤其是来自“中国的主要客户”。据路透社的消息，Graphcore关闭了在挪威、日本和韩国的业务，并缩减了在其他国家的业务。目前，Graphcore也开始重新调整业务方向，将其IPU芯片从数据中心转向部署在云计算环境中。

Rivos，一家服务器芯片制造商，正面临苹果公司的诉讼，被指控非法挖角其工程师并窃取商业机密。今年八月，Rivos裁减了大约二十名员工，约占公司员工总数的6%，在此过程中，管理层向留下的员工透露，公司获取新资金的可能性正在减少。联合创始人还向部分员工透露，苹果针对该公司及其几位前苹果员工的诉讼，严重阻碍了他们的筹资活动。

芯片公司烧钱是常态，巨额的研发投入、激烈的市场竞争以及对顶尖人才的争夺，都使得这些公司在成长的道路上不得不投入大量的资金。如今，人工智能领域初创公司给予初级工程师的薪酬往往十分可观，这一方面反映了人才市场的供不应求，另一方面也凸显了这些初创公司对技术人才的极度渴求。然而，这种高薪策略是否可持续，却是一个值得深思的问题。对于AI芯片初创公司而言，成功融资是其发展的关键一步，但资金的有效利用同样至关重要——这不仅关乎公司的现阶段运营，更影响到其长远的战略目标和市场地位。

英伟达的一些劲敌?

Cerebras是一家“一鸣惊人”的公司，该公司因为芯片大，而捕获了行业的眼球。英伟达的A100 GPU已经相当大了，差不多826平方毫米。但Cerebras的新型芯片WSE-2 芯片，面积为 45,225平方毫米，几乎覆盖了8英寸硅晶圆的整个表面。自2016年成立以来它已筹集了7.3亿美元。根据CB Insights全球独角兽俱乐部的数据，该公司目前估值为 40 亿美元。目前，Cerebras已经与阿布扎比G42合作建造了九台人工智能超级计算机中的第一台，这台超级计算机的造价超过1亿美元。Cerebras也正在朝着生成式AI领域奋进，虽然它已经证明了其CS-2在GPT模型中训练的速度，但是其仍没有获得大型厂商的采用。

Cerebras研究人员在AI硬件公司中首次在Andromeda AI 超级计算机上训练了一系列七个 GPT 模型，参数分别为 111M、256M、590M、1.3B、2.7B、6.7B 和 13B

Tenstorrent也是业界很看好的一家初创公司，由顶级芯片设计师Jim Keller于2016年所创立。截止目前，该公司已经融资了近3.35亿美元，最近的一次投资者中包括三星和现代，目前估值约为10亿美元。Tenstorrent将利用RISC-V和Chiplet技术打造AI CPU，以此来挑战英伟达的AI主导地位。最近，Tenstorrent刚与三星达成生产合作的协议，计划使用三星的4nm工艺来生产芯片。

该公司拥有全面的路线图（如下图所示），其中包括基于 RISC-V 的高性能 CPU 小芯片以及先进的 AI 加速器小芯片，有望为机器学习提供强大的解决方案。目前，Tenstorrent有两款产品：一种名为Grayskull的机器学习处理器，可提供约315 INT8 TOPS的性能，可插入PCIe Gen4插槽；另一种是联网Wormhole ML处理器，可提供约350 INT8 TOPS的性能并使用GDDR6内存子系统，一个 PCIe Gen4 x16 接口，并具有与其他机器的 400GbE 连接。今年他们将推出其 Black Hole独立ML计算机芯片。该公司的重头戏"Grendel "将于2024年推出，这是一种高配置、高性能的ML芯片设计，将CPU芯片与专用的 ML/AI 芯片相结合，与英伟达的GH200和 Grace/Hopper超级芯片的实现方式类似。

Tenstorrent的AI芯片路线图（图片来源：Tenstorrent）

成立于2017年的SambaNova已成为AI芯片创业领域中资金最雄厚的公司之一。截至目前，该公司已成功筹集了高达10亿美元的融资，投资方包括如软银和英特尔等知名机构。这使SambaNova不仅成为融资额最高的AI芯片初创公司，也被视为英伟达最有力的新兴竞争者之一，公司估值达到了50亿美元。

SambaNova最近推出了其最新的第四代SN40L处理器。这款处理器拥有超过1,020亿个晶体管，采用了台积电的5nm工艺，其计算速度高达638 teraflops。独特的三层内存系统（包括片上内存、高带宽内存和高容量内存）旨在处理与AI工作负载相关的庞大数据流。SambaNova宣称，一个只有8个此类芯片组成的节点就能够支持多达50万亿参数的模型，这几乎是OpenAI的GPT-4 LLM报告规模的三倍。该公司的首席执行官Rodrigo Liang表示，使用标准的GPU来执行相同任务将需要数百个芯片，这意味着总成本只有使用标准方法的1/25。然而，SambaNova并不直接将芯片销售给其他公司。相反，它提供对其定制技术栈的访问权限，其中包含了为运行最大型AI模型而专门设计的专有硬件和软件。

避免与之正面竞争，会否是AI芯片初创公司的新出路？

尽管英伟达在人工智能计算领域占据主导地位，但该公司并没有牢牢锁定该领域，市场机会仍然有很多。如果按照英伟达的冯·诺依曼架构+HBM+先进工艺+互联这样的路线，可能将无人能敌英伟达，而且GPU价格和功耗一直在上涨，这对于人工智能行业本身来说是不可持续的。所以一些AI芯片公司选择不与英伟达正面竞争，另辟蹊径，走出一些差异化的路线，试图在市场中分一杯羹。

d-Matrix：存内计算芯片

d-Matrix公司也是一家AI芯片初创公司，该公司认为，随着生成式人工智能的爆发，当前的基础设施无法维持成本和需求，生成式人工智能需要变革性的计算范式。所以d-Matrix

设计的芯片具有数字“内存计算”功能，使人工智能计算机代码能够更有效地运行。d-Matrix 宣称可以将TCO降低十倍，并在性能和延迟方面具有二十倍的优势。

据The Register的报道，这家初创公司的最新芯片名为Jayhawk II，将采用通过高速结构连接的八个小芯片，总共 2GB 的 SRAM，而且只需要350瓦就能提供大约 2,000 TFLOPs 的 FP8 性能和多达 9,600 TOPs 的 Int4 或块浮点数学性能。

d-Matrix 路线图（来源：d-Matrix）

该芯片可帮助ChatGPT等生成型AI应用提供支持。不过该公司所针对的仅是人工智能的推理部分，训练部分则不涉猎。也就是说他们讲不与英伟达正面竞争，而是发力在3-600亿参数模型领域。对于这种尺寸的模型，在人工智能推理方面，英伟达的H100不一定是最经济的选择。运行这些模型的大部分成本都归结于快速高带宽内存的使用。相比之下，d-Matrix 加速器中使用的SRAM更快、更便宜，但容量也有限。

d-Matrix已经在微软的支持下融资1.1亿美元，微软已承诺在明年推出该芯片时对其自用进行评估。d-Matrix预计两年内年收入将超过 7000 万至 7500 万美元，并实现收支平衡。

Ceremorphic：模拟计算AI芯片

Ceremorphic正在设计一款采用台积电5nm工艺的超低功耗超级计算芯片，利用其自己的专利技术和多线程处理架构ThreadArch。该公司的创始人兼首席执行官Venkat Mattela，此前他所创立的Redpine Signals于2020年3月以3.14亿美元的价格出售给了Silicon Labs。Ceremorphic所研发的芯片的核心在于数字电路之下的模拟电路，在芯片功能的层次结构的最低层进行模拟计算，更高层次上则不做模拟计算。该公司的创始人兼首席执行官Venkat Mattela认为，模拟乘法将比数字乘法更有效地利用电压，更好的实现低功耗。

该公司的主要技术包括可靠、低能耗和安全的机器学习、图形神经处理器、抗量子和硅高效安全处理器、高性能模拟电路、可靠的时序电路和系统级互连，使产品能够针对不同的细分市场进行扩展。右图描绘了 Ceremorphic的技术组合，涵盖当前和未来的计算需求。

Ceremorphic的技术组合

结语

就目前的事实证明，在英伟达所主导的GPU生态中，初创芯片公司想要打入自己的产品不是易事，“替代英伟达”难。强如AMD和英特尔都很难撬动这块大蛋糕。对于这些AI芯片公司而言，机会之窗口很窄，英伟达已经发布了其最新的路线图。而且，大型的云厂商几乎都已经躬身自研芯片了，亚马逊拥有Inferentia芯片，谷歌最近展示了其第五代张量处理单元，微软即将发布其自研芯片，这进一步挤压了希望通过云提供商进入市场的初创企业的机会。

芯片初创企业所承担的风险甚至超越了传统软件初创公司，因为它们不仅需要巨额资金来支持复杂的半导体设计和软件开发，还要承担实物产品的制造成本。随着时间的推移，我们可能会目睹一些此类企业的破产倒闭、被收购，但它们中的每一个都怀揣着成为下一个英伟达的梦想。随着时间的推进，可能会有更多这样的公司失败，但每个公司内心都怀揣着一个共同的梦想——成为下一个英伟达。