全球 AI 芯片的销售额飙升 60% 至 359 亿美元，初创公司与英伟达、英特尔、AMD在AI芯片展开有力竞争

YtNesmc

 YtNesmc

与人们使用计算机芯片完成其他事情相比，做机器学习时所需的算力更加严格。这种需求多年来首次为芯片初创公司创造了蓬勃发展的市场，并帮助这些公司拿到了翻倍的融资。YtNesmc

 YtNesmc

英伟达估计，大多数机器学习或人工智能任务每两年对处理能力的需求就会增加 25 倍，而NLP则每两年需要275倍的计算能力。相比之下，摩尔定律则表示每两年在台式机和服务器中使用的中央处理器只会使其性能翻一番。YtNesmc

 YtNesmc

计算能力需求的大幅增长帮助英伟达成为美国最有价值的芯片公司，其图形芯片和软件堆栈大量用于机器学习。现在，这种市场也为生产专用芯片新公司创造了机会。YtNesmc

 YtNesmc

Celesta资本表示：“随着AI工作负载开始增长和扩展，它为初创公司提供了使用专用半导体设备的机会，这些设备可以比通用型设备更好地满足需求。” YtNesmc

 YtNesmc

YtNesmc

初创公司获得的半导体芯片投资。来源：pitchbookYtNesmc

 YtNesmc

根据 PitchBook 的数据，与 2020 年相比，去年全球 AI 芯片的销售额飙升 60% 至 359 亿美元，其中大约一半来自手机中的专用 AI 芯片。到 2024 年，PitchBook 预计市场的年增长率将略高于 20%，这表明到 2024 年可能达到 649 亿美元。Allied Market Research 则预测，到 2030 年，这一数字可能会上升到 1949 亿美元。YtNesmc

 YtNesmc

 芯片上的新筹码

 YtNesmc

在 2015 年之前，只有少数融资看到了人工智能带来的机会，而且对资助芯片公司的整体兴趣不大。YtNesmc

 YtNesmc

首先，半导体制造成本高昂。与新工厂相关的成本以数百亿美元来衡量，将制造外包给台积电等公司的公司承担的芯片开发成本则从 3000 万美元到 4000 万美元不等，而芯片设计人才稀缺且成本高昂。YtNesmc

 YtNesmc

现在，其中一些状况已经改变。芯片的开发成本仍然很高，需要提供更多的启动资金才能起步，但这不再让投资者望而却步。YtNesmc

 YtNesmc

根据 PitchBook 的数据，半导体公司的风险投资比 2017 年增加了一倍多，达到去年的 18 亿美元。今年有望再次上升，截至 4 月初的融资额接近 10 亿美元。这些数字包括来自英特尔、三星和高通等芯片公司的资金，这些公司都有自己的风险投资部门，他们密切关注最新技术并为收购提供策略建议。YtNesmc

 YtNesmc

PitchBook 分析师表示：“经过多年的研发，数据中心初创公司中，许多独角兽已经向客户提供试用芯片。英伟达和 AMD 的高估值显示了数据中心 AI 的增长幅度，也大大提高了初创公司的估值。”YtNesmc

 YtNesmc

美光投资部门则表示，美光对这些初创公司很感兴趣。 “美光的制造团队也有痛点或差距，如果这些团队能满足要求，它们可以成为我们的帮手。”YtNesmc

 YtNesmc

AI 应用程序通常意味需要寻找围绕并行处理开发芯片和软件，与一次完成单个计算的传统处理器相比，一些初创公司可以提供并行处理以更大的容量承担更简单任务的解决办法。以Cerebras的系统为例，该公司没有使用最先进的制造技术来制造其硅晶片大小的 AI 芯片，而是重新思考芯片之间的通信方式。YtNesmc

 像摩尔定律一样驱动

芯片巨头们本身已经在年度研发支出中投入了数十亿美元，包括在 AMD、英特尔和英伟达都在GPU中研究并行处理技术。投资者希望为采取不同方法的公司提供资金，这也是现有半导体公司想要尝试的方向。YtNesmc

 YtNesmc

“市场正在寻找提供完全不同用例的公司，”比如说公司使用一种较旧的芯片技术来制造一种特殊的芯片，执行 AI 处理的功率仅为运行数据中心使用芯片所需功率的一小部分。YtNesmc

 YtNesmc

“他们实现这一目标的方式不仅仅是优化或调整电路，而是采用了一种全新的计算方法，”投资机构表示， “这种新方法不需要一些花哨的新工艺或花哨的物理学概念，它复用了已经花费数百亿美元的现有技术，并把它们拿来做了其他事情。”YtNesmc

 YtNesmc

 *声明：本文系原作者创作。文章内容系其个人观点，我方转载仅为分享与讨论，不代表我方赞成或认同，如有异议，请联系后台。 YtNesmc

 YtNesmc