快速增长的人工智能开发者生态系统中的风险投资机会

在这篇博文中,我要强调一下最近我的外卖。人工智能硬件峰会我作为小组成员参加了会议。这次会议的重点是开发用于神经网络和计算机视觉的硬件加速器,吸引了来自整个生态系统的公司——AI芯片初创公司,半导体公司,系统供应商/OEM,数据中心提供商,金融服务公司和风险投资公司,这就是我适合作为投资委托人的地方应用型企业(应用材料的VC臂)。金莎客户端当人工智能还在成长时,会议清楚地表明,AI开发者社区正在迅速增长,提供广泛的投资机会。

对于上下文,重要的是要注意是什么引发了当前构建AI加速器硬件的竞争。第一,神经网络甚至深度学习都不是新发现,现在使用的算法与80年代和90年代可用的算法类似。硬件行业直到最近才向人工智能专用产品转移。

这种情况正在改变的信号是投资和公司收购的急剧增加。例如,英特尔在2016年收购了Nervana和Movidius,随后,在2017年发布了一系列有关Google张量处理单元(Tensor Processing Unit)集成电路(TPU)v1的公告。尽管许多初创公司多年来一直致力于这一领域,与过去10年相比,过去两年,来自风投和公司的投资显著增加。

在会议上,围绕创建AI芯片开发路线图的讨论包括关于摩尔定律扩展的作用和持续可行性的问题。意见不一摩尔定律远未消亡,““摩尔定律绝对是死的在会议上,主要由初创企业持有的观点。不管你在篱笆的哪一边,许多人认为具有破坏性的芯片初创公司在更快交付方面起着关键作用,用于AI工作负载的更有效的芯片。

为了从VC的角度更好地理解新兴的人工智能领域,我将总结正在发生的主要变化以及正在解决的问题,和我参加的AI趋势小组分享我的观点:

为什么公司计划设计和制造自己的人工智能芯片
到目前为止,像数据中心CPU这样的通用处理器已经要求大多数用户针对单个工业标准化硬件体系结构(ISA)优化他们的软件。与人工智能相关的工作负载,尤其是深层学习培训,计算量如此之大,以至于超大规模用户已经开始构建他们自己的框架,以使用更精简的芯片,如GPU和专门的专用集成电路,如TPU。关于是否会有一个新的AI相关的ISA,这是一个公开的问题,或者如果继续存在自己动手我们在数据中心基础设施的最大用户中看到的方法。

硬件启动公司试图解决的一些关键问题
会议的重点是人工智能硬件,源于软件(例如统计低效)和硬件(系统)的低效率,架构和设备)需要注意。

第一个问题是培训效率低下;明确地,发现和改进机器学习模型所需的时间,该模型可以被部署来作出有用的决策(推断)。在主题演讲中,有人指出,一些模型可能需要长达22天的培训。培训低效的影响限制了人工智能的整体效用,阻碍了整个IT产业的发展。这样的时间限制阻止了使用机器学习来询问更有趣的问题。但是,造成训练周期长的根本原因不是一维的,并且需要对统计和算法框架进行与体系结构本身同样多的改进,对芯片初创公司来说,这是一个令人生畏的挑战。

另一方面,使用经过训练的模型——数据中心的机器学习——是许多初创企业看到最佳短期机会的地方。因为推断的一个关键价值指标是延迟,或响应请求所需的时间,通过使存储器单元更接近处理器的执行核心,初创公司希望通过访问外部DRAM来消除时间和能量延迟。在某些情况下,存储器从外部总线移动到包(包内系统或SiP);在更极端的情况下,通过最大化芯片区域中可能的SRAM数量,存储器被移动到芯片本身上。

在资本密集型产业中创业公司的机会
初创企业(从总体上看)特别擅长市场发现。它们可能是第一家为加速器和ASIC开拓市场寻找有希望的机会的公司。这可以通过AI硬件启动的资金数额来证明,自2015年以来,该指数已大幅攀升。超过少数公司已经筹集超过1亿美元的资金,一些公司的估值高达数亿(表1)。所有领先的公司都是无产阶级,在展示硅性能方面取得了进展,同时利用与战略伙伴或铸造厂的关系控制开发成本。虽然有些人声称已经推出了产品,数量太小,无法对2018年的AI芯片市场产生影响;看起来2019年是许多公司计划发货的一年。

表从杨致远@Hardware Club(截至2018年年中)

AI趋势小组的观点
作为投资代表小组,我们知道这是人工智能加速器游戏的早期阶段。

人工智能硬件峰会上的人工智能趋势面板

对于超规模云服务,人们感兴趣的是那些设计能提高大型工作负载的效率,并能对节省能源或时间产生可衡量影响的公司。数据中心处理器市场中有多少是AI专用硬件的估计在服务器CPU市场总额的百分之几的范围内。这样的芯片,尤其是GPU,相对于供给而言需求量很大,导致这些产品的制造商有大量价值盈余。初创企业有获取部分盈余的机会主义利益,而且来自云提供商本身,使供应商基础多样化。

另一个观点是,一个强大的团队和经过验证的运作能力和规模必须是成功的标准之一。金融风投公司通常不那么积极地为芯片初创公司提供资金,但是可以资助特定的高增长,高回报的机会,因为它们出现。这可以通过与基于AI硬件的论文不同的垂直策略来合理化。

我的观点是,利用通用处理器ISA的巨大低效率的架构和框架的变化将在短期内发生,以占领市场份额。听到10比1的索赔要求并不罕见,对于特定工作负载,吞吐量或Ops/W增加000倍,所以我们很快就能看到证据了。初创公司采取的第一步行动很可能会弥补这一不足,这有可能带来巨大的收益,而无需追求更高风险或更昂贵的前沿工艺技术。

应用风险投资公司的机会观
为应用风险战略投资基金,与AI相关的最佳投资是应用材料可能通过技术或商业合作获得的投资,金莎客户端或者两者兼而有之。与Applied在材料工程技术领域的领导地位相联系并将其提供给小型初创企业的潜力是我们能够达成交易的优势。我们正在寻找能够应对重大行业挑战的公司,例如,在运行AI框架和模型时提高了吞吐量或效率,我们特别希望发现Applied的参与能够产生最直接影响的情况。

虽然有将人工智能或机器学习附加到更传统的商业模式以吸引资金的趋势,我们主要对专注于基础技术的初创公司感兴趣。一般来说,使用基于商品技术的新架构的初创企业,或者用FPGA实现的软件层,远远超过这个阶段的思考者。最后,我们感兴趣的是与工艺技术相关的一些短期中断,包括用于嵌入式应用的新材料支持存储器,以及用于在线训练和推理操作的低延迟记忆。

你有什么想法或想法想和我们讨论吗?如果是这样,你可以提出你的建议。在这里.

谷歌张量处理单元是谷歌有限责任公司的商标。

在收件箱中接收更新!!

现在订阅

想参加讨论吗??

添加新的注释:*

*评论必须符合我们的要求讨论交战准则和规则.

你也可以填写这个形式直接联系我们,我们会回复你。