AI Flood 将芯片推向边缘，第四部分

英伟达在这里是一匹黑马。它凭借2017 年 5 月宣布的大型 Volta V100 GPU 主导了基于云的培训市场。但它也希望通过今年晚些时候推出的 Xavier 芯片进入自动驾驶汽车领域。

为了超越激烈的竞争，Nvidia 以 NVDLA 的名义开源了 Xavier IP。英伟达的一位高管在 3 月份表示，该 IP 正在设计多个芯片，但尚未公布。

6 月，初创公司Wave Computing出人意料地宣布收购了传奇但陷入困境的 IP 提供商 MIPS。

Bier 说，Wave 的数据流架构与 AI 算法自然匹配。然而，预计它将专注于数据中心，销售 3U 大小的 Linux 设备，其中包含耗电的 HBM2 内存。MIPS 交易表明，Wave 将找到一种方法，将其 IP 与面向嵌入式市场的未来 MIPS 内核结合起来。SoC 设计人员应保持关注。

对于那些有胃口与初创公司合作的人来说，还有很多其他饥饿的人。

GreenWaves 正在利用 RISC-V 和 PULP 开源项目来交付GAP8，这是一种 55 纳米芯片，于 2016 年发布，计划以 20 mW 和 400 MHz 提供 12 GOPS。它的目标是引领物联网设备的功耗，但预计要到年底才能实现量产。

德国的 Videantis 正在许可视觉系统的 AI 核心。它的目标是在 16 nm 上提供从超低成本设备的一千次乘法累加/秒 (TMAC/s) 到使用多核 VLIW/SIMD DSP 架构的高性能设备的 25 TMAC/秒的范围。

ThinCI去年 8 月在 Hot Chips 上详细介绍了其用于视觉和 ADAS 系统的图形流处理器，但表示尚未将其流片。该公司已经与投资者和合作伙伴电装合作开发一个系统，希望将其集成到 2020 年车型中.

一群前谷歌芯片工程师组建了初创公司 Groq，其网站声称能够在今年某个时候推出能够达到 8 TOPS/W 和 400 TOPS/s 的推理处理器。到目前为止，该公司尚未接受任何采访。

Esperanto于 11 月宣布，它计划使用 RISC-V 内核来应对 AI 挑战。像许多初创公司一样，它包括一支经验丰富的微处理器工程师团队，他们渴望接受历史性的挑战，但它没有提供交付芯片的时间表。

SambaNova于 3 月退出了隐形模式，该团队由两名斯坦福技术专家和 Sun Microsystems 的前 Sparc 处理器设计师组成。虽然计划仍然很粗略，但其首席执行官在 4 月份的一次谈话中暗示，他将与 Wave 等初创公司竞争，为商业用户提供人工智能设备。

Bier 说，他最喜欢的另一个是Mythic，它将具有十年历史的内存处理器架构应用于 AI。它承诺为各种市场带来性能/瓦特的巨大飞跃，但预计零部件要到 2019 年底才能投入生产。

它并不孤单。Syntiant正在开发类似的架构，也使用 NOR 闪存单元阵列在模拟域中执行深度学习作业，以降低功耗。这家初创公司最初专注于语音识别，并声称它有一种独特的方法来对其大规模并行模拟芯片进行编程。

“我们有两家公司致力于这种方法，这一事实很棒，”坎特说。“流程可移植性、产品实施和可编程性是他们面临的常见问题。”

其他人已经对这种新兴架构感到厌烦。IBM Research 和 Panasonic 都报告了使用基于 ReRAM 的单元的类似芯片。在 VLSI Symposium 上，Macronix 使用 3D AND 型非易失性存储器描述了自己的工作。

虽然深度学习首当其冲，但它最适合处理非结构化数据，例如存储在 Facebook 和 Google 的图片和视频集合。大多数企业维护结构化数据库，可以更好地通过决策树、随机森林、集成方法、支持向量和梯度提升等其他算法进行分析。Startup Revolution Computing (Austin)将为用例加速此类算法，包括银行欺诈检测、零售商的广告匹配和推荐引擎以及工业用户的预测性维护。

在这个阶段，可以预期几乎每家拥有处理器芯片或内核的公司最终都会拥有某种形式的人工智能加速器。事实上，大多数产品可能会在未来一段时间内推出多种产品。