英伟达仍然是这一市场中无可争议的领导者，并且随着人工智能芯片与自动驾驶汽车等设备之间的相关性越来越高，该公司有望继续保持其霸主地位。但是在 2018 年，我们可能开始对这一竞争局面有一个更加清醒的认识。其中的机会十分诱人：创造出更快、更低功耗的芯片，编写出更有效的推理算法，对接物联网，打通软硬件。以及服务器性能改善方面的机会：提升模型训练时的处理速度并降低能耗。这或许也会成为一个大市场。
今年，英伟达可谓风光无限。从游戏、数据中心到人工智能，市场对芯片的巨大需求同其股价一起水涨船高。
不过，英伟达的股价走势图只是 2017 年引人注目的事件中的一部分，在人工智能大行其道的这一年间，可能发生了一些更加微妙的事情，或许会带来更加深远的影响。
今年，一系列致力于开发独门硬件的初创公司都获得了巨额融资，以期为未来顶尖的人工智能设备提供动力。这些初创企业中有些并不具备大规模安装的基础（或尚未交付产品），但似乎融起资来都不费吹灰之力。
初创公司一直在寻找办法来优化推理算法和机器训练过程（即图像和语音识别中的两个关键部分），以使其更快、更高效，并更适用于下一代人工智能驱动的设备。与我们习惯使用 CPU 的传统计算架构不同，GPU 已经成为满足人工智能大规模高速处理任务的关键芯片之一。而这些初创公司认为他们可以做得更好。
在讨论这些初创公司之前，让我们先快速回顾一下那张英伟达股价走势图，从而对当前事态的发展规模有所了解。即使是年底经历了一些下跌，英伟达的股票在 2018 年来临之际上涨了近 80%：
因此，很自然地，我们可能会看到一大帮创业公司都对英伟达在人工智能市场上可能的短板虎视眈眈。投资者也会注意到这一点。
首先是 Cerebras Systems，该公司已于去年 12 月获得了标杆资本（Benchmark Capital）的约 2500 万美元投资。当时，人工智能芯片产业似乎并不像今天这么受人追捧，但是随着时间的流逝，英伟达在 GPU 市场中确立的主导地位表明，这将是一个蓬勃发展的市场。随后福布斯在今年 8 月报道称，该公司估值近 9 亿美元。显然，其中大有可为。
今年同样不容忽视的还有 Graphcore。它在今年 7 月份刚获得了来自伦敦风险投资公司 Atomico 的 3000 万美元融资，又于今年 11 月宣布获得来自红杉资本的 5000 万美元新一轮融资。与 Cerebras Systems 一样，Graphcore 也没有一个类似英伟达那样引人注目的产品推向市场。然而，尽管硬件初创公司所面临的挑战远远超过软件公司，但这家初创企业仅在一年之内就筹集到了 8000 万美元。
中国市场也有一批人工智能初创公司获得了巨额融资：阿里巴巴投资了一家名为寒武纪科技（Cambricon Technology,）的公司，据说价值 10 亿美元；英特尔资本领投 1 亿美元入股地平线机器人（Horizon Robotics）；还有一家名为 ThinkForce 的公司在本月早些时候获得了 6800 万美元。
Groq 更不用提了，这家由谷歌前工程师创立的企业，获得了来自 Social+Capital 的约 1000 万美元融资，这与前文提到的巨额投资相比似乎小了许多。然而另一家芯片制造商 Mythic 筹集到了 930 万美元。
因此，我们看到的不是一两家公司，而是有至少 7 家初创企业都挤入了同一赛道，其中许多公司已经筹集到了数千万美元，至少有一家初创公司的估值接近 9 亿美元。再说一遍，这些都是硬件类初创公司，它们代表了下一代硬件的发展方向，因而可能会需要展开更多融资。但这仍然是一个不容忽视的市场。
除了创业公司之外，跨国巨头们也在寻求创建自己的软硬件生态系统。今年早些时候，谷歌宣布了其面向推理和训练的下一代 TPU。苹果为下一代 iPhone 设计了自己的 GPU。它们都需要投入巨大的人力物力来改善硬件性能，以适配其特殊的软件需求，比如谷歌云应用和 Siri。英特尔也在 10 月宣称将于 2017 年年底交付其新的 Nervana 神经网络处理器。英特尔在去年 8 月以 3.5 亿美元的披露价格收购了 Nervana。
所有这些都表明，创业公司和大公司将要干一番大事业，每一家公司都在寻求 GPU 市场的话语权。但是，超越英伟达更是难上加难，后者已经开始锁定其 Cuda 平台上的开发者。对于那些试图通过推行硬件来吸引并留住个人软件开发者的初创公司来说，竞争将加剧。
当你和硅谷的投资者交谈时，你仍然会感到有些怀疑。例如，如果亚马逊服务器上的旧版卡性能就已足够，那么客户是否愿意为他们的机器训练购买更快的芯片？然而，仍有大量的资金流入这个领域。这些资金来自于那些同样重仓 Uber（尽管 Uber 并不太平）和 WhatsApp 的公司。
英伟达仍然是这一市场中无可争议的领导者，并且随着人工智能芯片与自动驾驶汽车等设备之间的相关性越来越高，该公司有望继续保持其霸主地位。但是在 2018 年，我们可能开始对这一竞争局面有一个更加清醒的认识。其中的机会十分诱人：创造出更快、更低功耗的芯片，编写出更有效的推理算法，对接物联网，打通软硬件。当然还有服务器性能改善方面的机会：提升模型训练时的处理速度并降低能耗。这或许也会成为一个大市场。
