多年來，在科技領域投資的金融家們對制造電腦芯片的初創公司幾乎沒有什么興趣——很難想象一家初創企業如何與像英特爾這樣的巨頭競爭。畢竟，全球80%以上的個人電腦運行的都是英特爾公司生產的芯片。即使是在英特爾沒有占據主導地位的領域，比如智能手機和游戲設備領域，也有像高通和英偉達這樣的公司，足以“碾壓”那些初創企業。

但隨后，科技行業的最新風潮——人工智能到來了。事實證明，新型計算機芯片可以更好地運行人工智能。突然間，風險投資家們仿佛忘記了那些阻礙年輕的芯片公司成功的因素。

如今，至少有45家初創企業正在開發能夠為語音識別和自動駕駛汽車等任務提供動力的芯片，其中至少有5家已經從投資者那里籌集了超過1億美元的資金。研究公司CB Insights的數據顯示，去年，風險投資家在芯片初創企業中的投資超過15億美元，幾乎是兩年前的兩倍。

這次突然增長與上世紀80年代PC和硬盤制造商的突然擴張類似。雖然這些公司都是小公司，并且不是所有的公司都能生存下來，但它們有能力推動一段快速的技術變革。

是否有公司幻想著用他們的芯片挑戰英特爾，還有待考證——因為英特爾花費了數十億美元的資金建造自己的芯片工廠。(而這些初創公司與其他公司簽訂合同來生產芯片。)但是，在設計芯片來為機器學習提供完成越來越多的任務所需的特定計算能力時，這些初創企業正在朝著兩個目標中的一個方向前進：快速地找到一個有利可圖的利基市場，或者獲得大公司收購。

“機器學習和人工智能重新定義了如何制造計算機的問題，”Bill Coughran說。他曾幫助谷歌管理全球基礎設施數年，現在是硅谷風險投資公司紅杉資本(Sequoia)的合伙人。紅杉資本投資了英國初創企業Graphcore，該公司最近也加入了市值1億美元的公司的行列。

在2016年夏天，變化已經顯而易見。谷歌、微軟和其他互聯網巨頭正在開發應用程序，通過使用算法，即所謂的神經網絡，識別出照片中的人臉，并識別出智能手機上的指令。這些算法可以通過識別大量數據中的模式來學習任務。

英偉達最為人所知的是制作圖形處理單元，也就是G.P.U，它的設計初衷是幫助渲染游戲和其他軟件的復雜圖像——結果證明，它們在神經網絡上的表現也非常好。在2016年夏天之前的一年內，英偉達為谷歌等公司運營的大型計算機數據中心出售了1.43億美元的芯片，這一數字是上一年的兩倍。

英特爾爭先恐后地趕了上來。據科技新聞網站Recode的一份報告稱，英特爾公司以4億美元收購了硅谷初創企業Nervana，這家擁有50名員工的初創公司從零開始構建芯片。在那之后，另一家硅谷初創公司，Cerebras，從Nervana搶下了五個工程師，也專門為人工智能設計了一個芯片。

根據福布斯的一份報告，到2018年初，Cerebras公司已經籌集了超過1億美元的資金。此外還有另外四家公司也籌集到了超過1億美元的資金：Graphcore、另一家硅谷公司Wave Computing、以及兩家北京的公司——Horizon Robotics(地平線機器人)和Cambricon(寒武紀)，其中后兩家公司得到了中國政府的支持。

“在2015年和2016年初籌集資金是一場噩夢，”人工智能芯片初創公司Mythic的首席執行官Mike Henry說。但是，他說，“隨著那些渴望得到滿足的大型科技公司紛紛轉向半導體行業，這種情況已經發生了變化。”

中國在開發新的人工智能芯片方面表現出了特別的興趣。第三家位于北京的北京芯片初創企業DeePhi已融資4000萬美元，并且中國科技部已明確要求生產挑戰英偉達的中國芯片。

因為這是一個新的市場——而且因為人們對這種新型的處理能力有非常強烈的渴望——許多人認為，這是一個難得的機會，因為初創企業有機會對抗那些根基深厚的巨頭。

第一個重大變化很有可能出現在數據中心，像Graphcore和Cerebras這樣的公司一直對其計劃保持沉默，他們希望加速新形式的人工智能的創建，其中包括能夠進行對話、自動生成視頻以及虛擬現實。

微軟和谷歌等公司的研究人員已經專門為人工智能建立了芯片，并通過極端的試驗反復“訓練”神經網絡，在大量的芯片上測試算法。整個訓練過程可以持續數小時甚至數天。他們經常坐在自己的筆記本電腦前，盯著圖表，觀察這些算法在學習數據時的進步。芯片設計人員希望簡化這一過程，將所有的試驗和錯誤打包到幾分鐘內。

Scott Gray說，今天，英偉達的GPU可以高效地執行所有用于訓練神經網絡的微小計算，但是芯片之間傳輸數據的效率仍然很低。Scott Gray先前是Nervana的一名工程師，后來加入OpenAI。OpenAI實驗室由特斯拉CEO埃隆·馬斯克(Elon Musk)等人共同發起。

因此，除了專門為神經網絡打造芯片外，初創企業還在重新思考圍繞它們的硬件。例如，Graphcore正在構建包含更多內置內存的芯片，以省去來回發送大量數據的麻煩。其他公司則在尋找擴大芯片之間傳輸的方法，以便更快地進行數據交換。

紅杉資本的Coughran說：“這不僅僅是建立芯片，而是研究這些芯片是如何連接在一起的，以及它們如何與系統的其它部分交互。”

但這只是改變的一部分。一旦神經網絡被訓練成一個任務，就必須有額外的工具執行這個任務。在豐田，自動駕駛汽車的原型正在使用神經網絡來識別道路上的行人、標志和其他物體。在數據中心訓練了一個神經網絡之后，公司則在安裝在汽車上的芯片上運行這個算法。

許多芯片制造商——包括像Mythic、DeePhi和Horizon Robotics這樣的初創企業——也在解決這個問題，將人工智能芯片推向手機和汽車等各種設備。

目前還不清楚這些新芯片的運行效果如何。設計和制造芯片需要大約24個月的時間，這意味著即使是第一個依賴它們的可行硬件也要到今年才能實現。而這些芯片初創企業將面臨來自英偉達、英特爾、谷歌和其他行業巨頭的競爭。

但他們的起點是相同的：一個新市場的開始。