打造人工智慧晶元的比賽才剛剛開始！

Yann LeCun曾經創造了一個名為ANNA的AI晶元。當時還是1992年，LeCun是貝爾實驗室的研究人員，這個實驗室是紐約市以外的標誌性的研究實驗室。他和其他幾位研究人員設計了這個晶元，來運行深層神經網路——複雜的數學系統，可以通過分析大量的數據來自動學習任務，但ANNA從未在大眾市場普及。神經網路非常擅長識別個人檢查和信封、支票上的數字，但是在執行其他任務時，沒有任何實際意義，因為它們的工作並不奏效。

然而，今天，神經網路正在迅速改變互聯網最大的參與者，包括谷歌、Facebook、微軟。LeCun現在在監督Facebook的中央人工智慧實驗室，神經網路識別照片中的面部和物體，從一種語言翻譯成另一種語言。在他發明了ANNA的二十五年後，市場終於到了非常需要類似ANNA這樣的晶元的時候了。

谷歌最近打造了自己的AI晶元，稱為TPU，可以廣泛部署在支持該公司的大量的數據中心內。在那兒，有成千上萬的計算機，TPU幫助從識別到安卓智能手機的命令，到谷歌搜索引擎上的結果。但這只是一個開始。CNBC上周透露，谷歌TPU背後的幾位原始技術工程師正在努力為Groq的隱形創業公司建立類似的晶元，包括英特爾、IBM和高通在內的大型商業晶元廠商也在往同樣的方向推進。

像谷歌、Facebook、微軟這樣的公司仍然可以在CPU的標準計算機晶元上運行他們的神經網路。但是由於CPU被設計為多用途處理器，這是非常低效的。當與專門設計用於處理這些AI系統所需的大量數學計算的晶元配對時，神經網路可以運行地更快、消耗更少的電力。谷歌表示，在推出其TPU晶元時，節省了大約15個額外數據中心的成本。現在，由於像谷歌和Facebook這樣的公司將神經網路推向手機和VR耳機，他們可以消除將影像傳輸到遙遠數據中心時產生的延遲——他們需要可以在個人設備上運行的AI晶元。LeCun說：「在更多的專業晶元方面，有更多的空白，可以更高效。」

換句話說，AI晶元市場有巨大的潛力。這就是為什麼這麼多公司正在跳入其中。

技術專家

英特爾收購了一家名為Nervana的創業公司後，正在為機器學習專門打造晶元。IBM也是創建一個反應神經網路設計的硬體架構。最近，Qualcomm已經開始專門為執行神經網路而建造晶元，LeCun認識到高通公司的計劃，因為Facebook正在幫助晶元製造商開發與機器學習相關的技術。高通公司副總裁Jeff Gehlhaar證實了該項目。他說：「我們在原型開發方面還有很長的路要走。」

與此同時，nVidia也正在推進這一領域。就在上個月，矽谷的晶元製造商聘請了Clement Farabet，在紐約大學的LeCun學習期間探索了這種晶元架構。創造了一個名為Madbits的深度學習的創業公司，並在2014年被Twitter收購。

nVidia已經是AI世界的主導力量，在像谷歌和Facebook之類的公司可以使用神經網路來說，從一種語言翻譯成另一種語言，他們必須首先對這個特定任務進行訓練，為其提供大量現有的翻譯。nVidia讓GPU晶元用於加速培訓階段。LeCun說：「對於培訓，GPU基本上已經壟斷了市場，特別是nVidia GPU。」但是Farabet的到來可能預示著，就像高通一樣，nVidia也在探索一種能夠執行神經網路的晶元。

GPU或圖形處理單元，不是為AI設計的。它們被設計用於渲染圖形。但大約五年前，像谷歌和Facebook這樣的公司開始將其用於神經網路培訓，只是因為它們是該任務的最佳選擇，LeCun認為它們將繼續發揮這一作用。他們說，編碼器和公司現在對GPU很熟悉。他說：「因為你需要整個生態系統，而GPU是難以解散的。」但他也認為，新一代AI晶元將大大改變大型互聯網公司執行神經網路的方式，還有數據中心和消費者設備（從手機到智能割草機、吸塵器等等等等）。

正如谷歌的TPU所示，專用的AI晶元可以在數據中心帶來全新的效率水平，特別是隨著圖像識別服務需求的增加。在執行神經網路時，它們可以燃燒較少的電力併產生較少的熱量。

同時，隨著VR和AR變得越來越普及，手機和耳機將需要類似的晶元。正如Facebook上周介紹的AR工具那樣，這種技術需要識別周圍世界的神經網路，但是，AR系統無法在數據中心運行這種AI技術。通過互聯網發送所有圖像需要太長的時間，破壞了模擬現實的影響。Facebook首席技術官Mike Schroeprefer解釋說，Facebook已經開始依靠GPU和其他晶元（成為數字信號處理器）進行某些任務。但從長遠來看，設備肯定會包括一個全新的晶元。

想了解人工智慧晶元領域的創業機會的小夥伴，可以來聽聽人工智慧初創公司cNeuron創始人——胡遇傑在矽谷Live平台上的解密噢！

聽矽谷AI達人講解百萬美元PPT

掃碼付費報名

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！