今年所有的目光可能都注視在Nvidia上，它的股價發(fā)生了很大變化，在很多方面都有著巨大的需求：游戲、對數據中心的興趣的增加以及它在AI中的主要潛在應用。

盡管Nvidia的股價和以下圖表可能是2017年更令人瞠目結舌的部分之一，但更令人矚目的是，AI繼續(xù)朝著無所不在的科技領域前進，在人工智能領域可能會有一些更微妙的事情發(fā)生，產生一些更深層次的影響。

今年，出現一批創(chuàng)業(yè)公司都在開發(fā)硬件設備，這些硬件將在人工智能的基礎上建立起來，將獲得大量的資金。其中一些創(chuàng)業(yè)公司遠沒有接近大規(guī)模的安裝基礎(或者還沒有運送產品)，但在融資方面似乎已經沒有問題了。

尋求優(yōu)化推理的過程和機器培訓練，有圖像和語音識別等過程的兩個關鍵部分，初創(chuàng)公司試圖找到方法來挑選這些過程，這將使其更快、更節(jié)能，并且通常更適合下一代人工智能驅動設備。 GPU不再是我們習慣于使用CPU的傳統(tǒng)計算架構，而是成為處理人工智能處理所需的快速計算的硅片之一。這些初創(chuàng)公司認為他們可以做得更好。

在進入初創(chuàng)階層之前，讓我們快速回顧一下前面提到的Nvidia圖表，以了解這里發(fā)生的事情的規(guī)模。在今年年底，Nvidia的股價上漲了近80%，到2018年：

很自然地，可能會看到一大群初創(chuàng)企業(yè)正在考慮在Nvidia在人工智能市場上潛在的遺漏。當然，投資者也會注意到這一點。

從去年看來，AI芯片產業(yè)似乎還不像今天那樣明顯。盡管如此，Nvidia在GPU市場上的主導地位顯然表明這將是一個蓬勃發(fā)展的空間。然后《福布斯》在今年8月份的報道中表示，該公司價值近9億美元。

在7月份由Atomico牽頭的3000萬美元融資之后不久，Graphcore公司在今年11月宣布了由紅杉資本(Sequoia Capital)領導的新一輪5000萬美元融資。Graphcore仍然像Cerebras Systems一樣，但在市場上還沒有像Nvidia這樣的產品。然而，這家初創(chuàng)企業(yè)能夠在一年能夠籌集到8000萬美元，盡管是硬件創(chuàng)業(yè)公司面臨著比軟件建設更多的挑戰(zhàn)。

與此同時，國內的人工智能創(chuàng)業(yè)公司也出現了大量的資金投入：阿里巴巴將資金投入了一家名為Cambricon Technology的公司，據稱該公司價值10億美元。英特爾在Horizon Robotics上投資1億美元，本月初，一家名為ThinkForce的創(chuàng)業(yè)公司籌集了6800萬美元。

前谷歌工程師運營的初創(chuàng)公司Groq從社會+資本那里籌集了大約1000萬美元，這在上面列出的一些創(chuàng)業(yè)公司中似乎金額又很小。而另一家芯片制造商Mythic公司籌集了930萬美元的資金。

所以我們可以看到，不僅僅有一兩家，已經有很多初創(chuàng)公司為這個類似領域開展了業(yè)務，其中許多已經籌集了數千萬美元，其中至少有一家創(chuàng)業(yè)公司的估值在9億美元左右。這些硬件初創(chuàng)公司，又可能是下一代硬件，需要更多的融資。但這仍然是一個不容忽視的空間。

除了初創(chuàng)公司，世界上一些規(guī)模比較大的公司也在尋求創(chuàng)建自己的系統(tǒng)。谷歌今年早些時候在五月份宣布推出下一代TPU，用于推理和機器訓練。蘋果為其下一代iPhone設計了自己的GPU。這兩者都將大大調整硬件以滿足其特定需求，例如Google云應用程序或Siri。英特爾還在10月份表示，將在2017年底之前推出新的Nervana Nueral網絡處理器。去年8月份，英特爾以3.50億美元的價格收購了Nervana。

所有這些都代表了創(chuàng)業(yè)公司和大公司的巨大努力，每個公司都在尋找自己對GPU的理解。但是，對于已經開始將開發(fā)人員鎖定在其平臺(稱為Cuda)的Nvidia可能是一個更加困難的任務。對于那些試圖將自己的硬件推向狂野并讓開發(fā)人員加入進來的創(chuàng)業(yè)公司而言，這將是雙重的。

Nvidia在這一領域仍然是一個明確的領導者，像自動駕駛汽車等這樣的設備越來越重要。但是隨著我們進入2018年，可能會開始對這些初創(chuàng)公司是否有機會取代Nvidia有更好的了解。未來，創(chuàng)造速度更快、功耗更低的芯片或許才可以進入物聯(lián)網領域。