“大多数AI芯片公司，都会倒闭”

据外媒theinformation报道，在他们向人工智能硬件开发商Tenstorrent的首席客户官David Bennett询问像他这样的AI初创公司的未来时，他直言不讳：大多数都会倒闭。（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.）

为此他指出，为了生存，建议初创公司保持灵活性，避免将自己限制在任何狭窄的用例中。Bennett 指的并不是某个利基市场，而是一个由数十家公司组成的广泛群体，从SiMa.ai到Cerebras，这些公司总共筹集了数十亿美元的风险投资，以对抗市场领导者Nvidia。

可以肯定的是，这位主管知道他在说什么。此前，他曾在芯片制造商AMD从事销售工作十多年。他目前的雇主 Tenstorrent 由AMD首席执行官吉姆·凯勒 ( Jim Keller)领导，这位硬件传奇人物开发了为iPhone 4 和 iPad 2 提供动力的苹果A4 和 A5 处理器，并在 2016 年至 2018 年期间负责监督特斯拉的Autopilot 硬件项目。

从过去多年的发展看来，这也的确是摆在每个AI初创企业头上的“达摩克里斯之剑”。

“

AI芯片，英伟达把持的市场

自去年 11 月ChatGPT上市以来，人们对这一领域的兴趣达到了疯狂的程度，震动范围远远超出了科技行业。但如果没有强大的计算机硬件，特别是来自加利福尼亚州英伟达的计算机芯片，这一切都是不可能实现的。

Nvidia 最初以制造处理图形（尤其是电脑游戏）的计算机芯片而闻名，如今它的硬件支撑着大多数人工智能应用。

Gartner 半导体行业分析师艾伦·普里斯特利 (Alan Priestley) 表示：“它是推动人工智能这一新事物的领先技术参与者。”TechInsights分析师丹·哈奇森 (Dan Hutcheson) 补充道：“英伟达之于人工智能几乎就像英特尔之于个人电脑一样。”

ChatGPT 使用 10,000 个 Nvidia 图形处理单元 (GPU) 进行训练，这些 GPU 聚集在 Microsoft 的超级计算机中。

Nvidia 加速计算总经理兼副总裁伊恩·巴克 (Ian Buck) 表示：“它是众多超级计算机之一，有些是公开的，有些则不是，这些超级计算机是使用 Nvidia GPU 构建的，适用于各种科学和人工智能用例。”

CB Insights最近的一份报告指出，Nvidia 占据了机器学习 GPU 市场约 95% 的份额。

它的人工智能芯片也在为数据中心设计的系统中销售，每个芯片的价格约为 10,000 美元（8,000 英镑），但其最新、最强大的版本售价要高得多。

那么英伟达是如何成为人工智能革命的核心参与者的呢？简而言之，这是对自己技术的大胆押注，加上一些好的时机。

现任 Nvidia 首席执行官的黄仁勋 (Jensen Huang) 是 1993 年的创始人之一。当时，Nvidia 专注于为游戏和其他应用提供更好的图形性能。

1999 年，它开发了 GPU 来增强计算机的图像显示。GPU 擅长同时处理许多小任务（例如处理屏幕上的数百万像素），这一过程称为并行处理。

2006 年，斯坦福大学的研究人员发现 GPU 还有另一个用途——它们可以加速数学运算，这是常规处理芯片无法做到的。正是在那一刻，黄先生做出了对我们所知的人工智能发展至关重要的决定。

他投入了 Nvidia 的资源来创建一种使 GPU 可编程的工具，从而开放其并行处理能力以用于图形之外的用途。该工具已添加到英伟达的计算机芯片中。对于电脑游戏玩家来说，这是他们不需要的功能，甚至可能没有意识到，但对于研究人员来说，这是在消费类硬件上进行高性能计算的一种新方法。

正是这种能力帮助激发了现代人工智能的早期突破。

2012 年，Alexnet亮相——一种可以对图像进行分类的人工智能。Alexnet 仅使用两个 Nvidia 可编程 GPU 进行训练。训练过程只需要几天的时间，而对于更多数量的常规处理芯片来说，训练过程可能需要几个月的时间。

GPU 可以大幅加速神经网络处理的发现开始在计算机科学家中传播，他们开始购买 GPU 来运行这种新型工作负载。

“人工智能找到了我们，”Buck先生说。

英伟达通过投资开发更适合人工智能的新型 GPU 以及更多软件来增强其优势，以方便使用该技术。十年后，耗资数十亿美元，ChatGPT 出现了——一种可以对问题给出奇怪的人类回答的人工智能。

“

英伟达的挑战者们

然而，尽管英伟达的主导地位目前看起来已经确定，但长期来看却很难预测。TIRIAS Research 的另一位行业分析师凯文·克雷威尔 (Kevin Krewell) 表示：“英伟达是一个背负着每个人都想击败的目标的公司。”

其他大型半导体公司提供了一些竞争。AMD 和英特尔都以制造中央处理器（CPU）而闻名，但他们也为人工智能应用制造专用 GPU（英特尔最近才加入竞争）。

谷歌拥有张量处理单元（TPU），不仅用于搜索结果，还用于某些机器学习任务，而亚马逊则拥有用于训练人工智能模型的定制芯片。

据报道，微软也在开发人工智能芯片，Meta也有自己的人工智能芯片项目。

此外，数十年来首次出现了计算机芯片初创企业，包括 Cerebras、SambaNova Systems 和 Habana（被英特尔收购）。他们致力于从零开始，为 AI 打造更好的 GPU 替代品。

总部位于英国的 Graphcore 生产通用人工智能芯片，称为智能处理单元 (IPU)，据称该芯片具有更强的计算能力，并且比 GPU 更便宜。Graphcore 成立于 2016 年，已获得近 7 亿美元（5.6 亿英镑）的融资。

其客户包括美国能源部的四个国家实验室，并且一直在敦促英国政府在新的超级计算机项目中使用其芯片。

该公司联合创始人兼首席执行官 Nigel Toon 表示：“[Graphcore] 已经构建了一款处理器来处理当今存在的人工智能，并将随着时间的推移而发展。”他承认与英伟达这样的巨头抗衡具有挑战性。虽然 Graphcore 也有软件来支持其技术，但当世界已经构建了在 Nvidia GPU 上运行的人工智能产品时，很难安排转换。

Toon 先生希望，随着时间的推移，随着人工智能从尖端实验转向商业部署，具有成本效益的计算将开始变得更加重要。

回到英伟达，伊恩·巴克 (Ian Buck) 并不太担心竞争。

“现在每个人都需要人工智能，”他说。“由其他人决定他们将在哪里做出贡献。”