英偉達(dá)在這里是一匹黑馬。它憑借2017 年 5 月宣布的大型 Volta V100 GPU 主導(dǎo)了基于云的培訓(xùn)市場。但它也希望通過今年晚些時(shí)候推出的 Xavier 芯片進(jìn)入自動(dòng)駕駛汽車領(lǐng)域。

為了超越激烈的競爭，Nvidia 以 NVDLA 的名義開源了 Xavier IP。英偉達(dá)的一位高管在 3 月份表示，該 IP 正在設(shè)計(jì)多個(gè)芯片，但尚未公布。

6 月，初創(chuàng)公司W(wǎng)ave Computing出人意料地宣布收購了傳奇但陷入困境的 IP 提供商 MIPS。

Bier 說，Wave 的數(shù)據(jù)流架構(gòu)與 AI 算法自然匹配。然而，預(yù)計(jì)它將專注于數(shù)據(jù)中心，銷售 3U 大小的 Linux 設(shè)備，其中包含耗電的 HBM2 內(nèi)存。MIPS 交易表明，Wave 將找到一種方法，將其 IP 與面向嵌入式市場的未來 MIPS 內(nèi)核結(jié)合起來。SoC 設(shè)計(jì)人員應(yīng)保持關(guān)注。

對于那些有胃口與初創(chuàng)公司合作的人來說，還有很多其他饑餓的人。

GreenWaves 正在利用 RISC-V 和 PULP 開源項(xiàng)目來交付GAP8，這是一種 55 納米芯片，于 2016 年發(fā)布，計(jì)劃以 20 mW 和 400 MHz 提供 12 GOPS。它的目標(biāo)是引領(lǐng)物聯(lián)網(wǎng)設(shè)備的功耗，但預(yù)計(jì)要到年底才能實(shí)現(xiàn)量產(chǎn)。

德國的 Videantis 正在許可視覺系統(tǒng)的 AI 核心。它的目標(biāo)是在 16 nm 上提供從超低成本設(shè)備的一千次乘法累加/秒 (TMAC/s) 到使用多核 VLIW/SIMD DSP 架構(gòu)的高性能設(shè)備的 25 TMAC/秒的范圍。

ThinCI去年 8 月在 Hot Chips 上詳細(xì)介紹了其用于視覺和 ADAS 系統(tǒng)的圖形流處理器，但表示尚未將其流片。該公司已經(jīng)與投資者和合作伙伴電裝合作開發(fā)一個(gè)系統(tǒng)，希望將其集成到 2020 年車型中.

一群前谷歌芯片工程師組建了初創(chuàng)公司 Groq，其網(wǎng)站聲稱能夠在今年某個(gè)時(shí)候推出能夠達(dá)到 8 TOPS/W 和 400 TOPS/s 的推理處理器。到目前為止，該公司尚未接受任何采訪。

Esperanto于 11 月宣布，它計(jì)劃使用 RISC-V 內(nèi)核來應(yīng)對 AI 挑戰(zhàn)。像許多初創(chuàng)公司一樣，它包括一支經(jīng)驗(yàn)豐富的微處理器工程師團(tuán)隊(duì)，他們渴望接受歷史性的挑戰(zhàn)，但它沒有提供交付芯片的時(shí)間表。

SambaNova于 3 月退出了隱形模式，該團(tuán)隊(duì)由兩名斯坦福技術(shù)專家和 Sun Microsystems 的前 Sparc 處理器設(shè)計(jì)師組成。雖然計(jì)劃仍然很粗略，但其首席執(zhí)行官在 4 月份的一次談話中暗示，他將與 Wave 等初創(chuàng)公司競爭，為商業(yè)用戶提供人工智能設(shè)備。

Bier 說，他最喜歡的另一個(gè)是Mythic，它將具有十年歷史的內(nèi)存處理器架構(gòu)應(yīng)用于 AI。它承諾為各種市場帶來性能/瓦特的巨大飛躍，但預(yù)計(jì)零部件要到 2019 年底才能投入生產(chǎn)。

它并不孤單。Syntiant正在開發(fā)類似的架構(gòu)，也使用 NOR 閃存單元陣列在模擬域中執(zhí)行深度學(xué)習(xí)作業(yè)，以降低功耗。這家初創(chuàng)公司最初專注于語音識別，并聲稱它有一種獨(dú)特的方法來對其大規(guī)模并行模擬芯片進(jìn)行編程。

“我們有兩家公司致力于這種方法，這一事實(shí)很棒，”坎特說。“流程可移植性、產(chǎn)品實(shí)施和可編程性是他們面臨的常見問題?！?/p>

其他人已經(jīng)對這種新興架構(gòu)感到厭煩。IBM Research 和 Panasonic 都報(bào)告了使用基于 ReRAM 的單元的類似芯片。在 VLSI Symposium 上，Macronix 使用 3D AND 型非易失性存儲器描述了自己的工作。

雖然深度學(xué)習(xí)首當(dāng)其沖，但它最適合處理非結(jié)構(gòu)化數(shù)據(jù)，例如存儲在 Facebook 和 Google 的圖片和視頻集合。大多數(shù)企業(yè)維護(hù)結(jié)構(gòu)化數(shù)據(jù)庫，可以更好地通過決策樹、隨機(jī)森林、集成方法、支持向量和梯度提升等其他算法進(jìn)行分析。Startup Revolution Computing (Austin)將為用例加速此類算法，包括銀行欺詐檢測、零售商的廣告匹配和推薦引擎以及工業(yè)用戶的預(yù)測性維護(hù)。

在這個(gè)階段，可以預(yù)期幾乎每家擁有處理器芯片或內(nèi)核的公司最終都會擁有某種形式的人工智能加速器。事實(shí)上，大多數(shù)產(chǎn)品可能會在未來一段時(shí)間內(nèi)推出多種產(chǎn)品。