市场需求放缓和业绩提升难的压力正促使全球半导体行业再度掀起创新风潮,该行业的公司都在努力研发新的芯片设计、材料和制造工艺,其中一个原因是深度学习这一人工智能技术正越来越广泛地被应用于图片分类、语音翻译和自动驾驶等任务。


谷歌去年推出了专为深度学习应用研发的芯片。 图片来源: GOOGLE

 

 

由于市场对某些设备的需求放缓,加之设计较小型电路系统对业绩的提升作用不断减弱,计算机芯片生产企业正苦苦应对该行业历史上一些最艰难的时期。

 

然而,行业高管表示,这些压力正促使半导体行业再度掀起创新风潮,并不断催生出有志于利用当前困境的初创公司。

 

在规模达 3,350 亿美元的全球半导体行业中,大大小小的公司都在努力研发新的芯片设计、材料和制造工艺。其中一个原因是,名为深度学习的人工智能技术正越来越广泛地被应用于图片分类、语音翻译和自动驾驶等任务,这些任务获益于新的计算机技术。

 

其中一些新的开发努力直接以颠覆英特尔(Intel Co., INTC)等地位稳固的老牌公司为目标,英特尔已通过调整其某些久经检验的战略作出回应。

 

国际商业机器公司(International Business Machines, 简称 IBM)首席科学家 Dharmendra Modha 称,这既是最好的时代也是最坏的时代。他目前正带领一个不寻常的项目,开发模拟人脑的芯片。

 

目前半导体公司在深度学习领域的开发尤其积极。该技术涉及通过让系统接触海量数据来训练系统,这不同于用明确指令给系统编程,后者不仅耗时长,结果也往往不那么可靠。使用深度学习技术的网络公司尤其感兴趣的是,如何促进能更快得出结果的硬件的创新。

 

深度学习系统通常同时使用英特尔处理器和英伟达(Nvidia Corp., NVDA)或 Advanced Micro Devices Inc. (AMD)的芯片,后两家公司的芯片最初是为呈现视频游戏画面而设计的。这些芯片包含成百上千能够同时进行运算的简单处理器,而英特尔高端芯片包含的是数十个复杂的计算核。

 

一些公司甚至认为,有必要研发更专业化的硬件。Alphabet Inc. (GOOG)旗下谷歌(Google)近期迈出了不寻常的一步,自己从零开始设计芯片,以满足某些深度学习任务的需要。IBM 于 2014 年推出了专为深度学习研发的 TrueNorth 芯片,该芯片包含 100 万个模拟脑神经分布的结构。Modha 称,该芯片在深度学习应用方面已经显出令人惊讶的快速进展,预计将按计划在 2019 年之前创造一项颇具规模的业务。

 

风险投资家同样注意到了这一点。芯片行业的技术挑战和激烈竞争导致大多数风险投资家将钱花在别处。但一些企业家和投资者看到了为网络等市场开发芯片的新机会,此类市场的消费者或许想要使其来源多元化,而不是仅仅依赖一或两个主要供应商。

 

初创公司 Cerebras Systems 的创始人 Andrew Feldman 称,该公司发现其筹集风投资金的过程出奇得容易,在八天之内就筹集到了资金。但他没有透露筹资额度。该公司拥有 25 名员工,计划设计以深度学习为目标的处理器。

 

其他设计深度学习芯片的初创公司包括 KnuEdge Inc、Graphcore Ltd、Cornami 和 Wave Computing。Wave 称,该公司正在研发的一套搭载专业处理器的系统可在 6.75 秒内完成一项典型的文本分析工作,而同时搭载英特尔 Xeon 处理器和英伟达处理器的系统完成同样的工作则耗时 69 分钟。

 

2015 年年末,英特尔斥资 167 亿美元收购了 Altera Corp. (ALTR),从而可向微软(Microsoft Co., MSFT)等公司出售 FPGA 芯片。英特尔在 2016 年收购了人工智能初创公司 Nervana Systems,并计划将后者的深度学习技术纳入自己的处理器。

 

更多最新行业资讯,欢迎点击与非网《今日大事要闻》