一个VC的AI景观

在这篇文章中,我将从最近突出我的外卖人工智能硬件峰会我作为专家参与。会议的重点发展硬件加速器对神经网络和计算机视觉吸引企业从整个生态系统——人工智能芯片公司,半导体公司,系统供应商/ oem,数据中心供应商、金融服务公司和风险投资,这是我作为投资负责人应用企业应用材料(VC机构)。尽管人工智能仍然是未来的年龄,很明显的会议AI开发者社区正在迅速增长,提供范围广泛的投资机会。

上下文,重要的是要注意,拉开了当前种族建立人工智能硬件加速器。首先,神经网络,甚至深度学习今天没有新发现和使用的算法类似于什么是可用在1980年代和90年代。硬件行业大型直到最近才走向AI-specialized产品。

这种情况下的信号变化是投资的大幅增加和企业收购。例如,英特尔在2016年收购Nervana和Movidius,紧随其后的是一系列的公告与谷歌的张量处理单元集成电路(TPU) 2017年v1。尽管许多创业公司多年来解决这个空间,风投公司和企业投资大幅上升在过去的两年里比前一10年。

在会议上讨论周围创建一个路线图人工智能芯片开发问题包括角色和摩尔定律扩展的持续生存能力。意见范围从“摩尔定律还远未死,”“摩尔定律绝对是死”——一个观点在会议上主要由创业公司。无论哪一方的你,许多人认为破坏性的芯片公司发挥关键作用提供更快、更有效的人工智能芯片的工作负载。

提供一个更好的理解新兴AI景观从风险的角度来看,我将总结关键变化发生问题被解决,从人工智能的趋势面板和分享我的观点我参加:

为什么公司计划设计和建造自己的人工智能芯片吗
到目前为止,通用处理器最喜欢cpu数据中心需要用户为单个industry-standardized优化他们的软件硬件架构(ISA)。工作负载与人工智能,特别是深度学习训练,计算密集型,超大型用户已经开始建立自己的框架使用更具流线型芯片gpu和专门的专用集成电路如TPU。这是一个开放的问题是否会有一个新的ISA有关AI,或者将继续有“滚你自己”的方法,我们看到的最大用户数据中心基础设施。

一些关键的硬件初创公司正在努力解决的问题
虽然会议的焦点是人工智能硬件、低效植根于软件(如统计效率低下)和硬件(系统、建筑和设备)需要注意。

第一问题是培训效率低下;具体地说,所花费的时间发现和提炼一个机器学习模型,可以部署到有用的决策(推断)。在主旨,注意到一些模型需要22天训练。培训效率低下的影响限制AI的整体有效性和阻碍整个IT行业的进步。这样的时间限制阻止更多的有趣的问题被要求使用机器学习。但长时间训练周期的根源不是一维,并要求尽可能多的改善统计和算法框架架构本身,对芯片启动一项艰巨的挑战。

另一方面,使用训练模型——机器学习的数据中心,许多创业公司近期看到最好的机会。因为推理的关键品质因数是延迟,或时间需要响应一个请求,初创公司正在寻求消除延迟时间和精力被访问外部DRAM将记忆细胞更接近的执行核心处理器。在某些情况下,内存从外部总线上包(System-in-Package或SiP);在更极端的情况下,记忆转移到死亡本身通过最大化SRAM的数量可能在芯片区域。

创业公司的机会在一个巨大的资本密集型的行业
创业公司(集体观看时)特别擅长市场发现。他们可能的公司找到有前途的领域加速器和asic的机会发展他们的市场。这是证实的资金为人工智能硬件初创企业,自2015年以来已大幅攀升。超过少数几家公司已经筹集资金超过1亿美元,一些高估值数亿(表1)。所有的大公司都是程技术取得了进展表明硅性能,而使用与战略合作伙伴的关系或铸造厂控制开发成本。虽然声称已经推出了一些产品,但是数量太小,使影响2018年的人工智能芯片市场;它看起来像2019年是许多公司船舶产品的计划。

表杨致远@硬件俱乐部(2018年代中期)

观点从AI趋势面板
投资代表小组,我们意识到它的早期人工智能游戏加速器。

在人工智能AI趋势面板硬件峰会

对于超大型云服务,有兴趣的公司设计,提高效率,节省大量工作负载和提供可衡量的影响在能源和时间。估计有多少数据中心处理器市场AI-specific硬件的几个百分点总服务器CPU的市场。这种芯片,特别是gpu,在高需求相对于供给,导致一个较大的值盈余对制造商的产品。有机会创业的兴趣部分盈余,但也从云提供商,分散他们的供应商基地。

另一个观点是,一个强大的团队和操作的能力和规模必须成功的标准的一部分。金融风险投资公司一般都没有活跃在资金芯片公司,但可能基金具体的高增长,高回报的机会,因为他们出现。这可能是合理化在垂直战略不同于论文基于人工智能硬件。

我的观点是,变化的体系结构和框架,利用大型通用处理器的低效账户会发生短期获取市场份额。不难听到声称10到1000 x吞吐量的增长或运维/ W为特定的工作负载,因此我们将很快能够看到它的证明。第一个移动公司可能会接受这个松弛,这可能会带来巨大收益,而不需要追求高风险或更昂贵的先进工艺。

应用企业”的机会
应用企业战略投资基金,投资最好的人工智能的应用材料可以通过技术或商业合作,或两者兼而有之。领带的潜在应用在材料工程技术的领导地位,并提供一个小规模的启动是一个好处,那就是我们可以把交易。当我们寻找地址的公司重要行业的挑战,如增加吞吐量或运行时效率AI框架和模型,我们特别想找到那些情况下应用的参与可以产生最直接的影响。

而有一种趋势高度人工智能或机器学习更传统的商业模式来吸引资金,我们主要是对创业感兴趣,关注底层技术。一般来说,创业公司使用新架构建立在商品技术或软件层在fpga中实现,大大超过那些超越这个阶段。最后,我们感兴趣的一些接近期限中断相关的处理技术,包括新materials-enabled记忆对于嵌入式应用程序,以及更低的延迟对在线培训的记忆和推理操作。

有一个想法或概念你想和我们讨论吗?如果是这样,你可以提交你的建议在这里。