颠覆GPU、打倒英伟达!深扒12家AI芯片独角兽
发布网友
发布时间:2024-09-05 10:14
我来回答
共1个回答
热心网友
时间:2024-10-05 15:43
在科技股普遍下滑的2024年初,AI领域的领头羊英伟达却依旧保持着强劲的势头。随着AI产业的蓬勃发展,硬件赛道的竞争愈发激烈,众多初创公司正瞄准英伟达GPU的市场份额发起挑战。以下是当前竞争最激烈的12家AI芯片独角兽企业,它们均成立时间不长,最高融资额达7.2亿美元,有望成为英伟达的有力对手:
Cerebras(2015年成立):以制造大型训练芯片见长,其产品专为AI训练设计,与GPU相比,规模大56倍。主要客户集中在国防和学术领域,与梅奥诊所合作开发AI医疗应用。
d-Matrix(2019年):专注于推理,开发内存与处理结合的芯片,旨在提供成本效益。预计24年上半年投入商用,已有客户进行测试。
Etched(2023年):哈佛辍学生创办,声称其Sohu芯片推理性能是H100的10倍,采用革命性制造工艺,有望大幅提高运行效率。
Extropic(2022年):虽尚无具体产品,但创始人来自谷歌“X”部门,计划开发用于大模型的量子计算芯片,目标是将AI与物理学融合。
Groq(2016年):聚焦大模型推理,其智能处理单元在速度和成本上挑战英伟达,尤其在终端体验上表现出色。
Lightmatter(2017年):利用专利技术以激光传输数据,有望降低数据中心能耗,与传统芯片厂商相比有显著优势。
MatX(2022年):由谷歌前员工创办,开发LLM专用芯片,旨在提供更快更低成本的AI应用支持。
Modular(2022年):专注于训练和推理平台,目标是简化AI开发,解决不同芯片间的软件兼容问题。
Rain AI(2017年):专注于NPU芯片,结合内存与处理,可实时定制AI模型,但产品尚未量产。
Sima.ai(2018年):专为边缘计算设备打造,关注于实时决策和数据隐私,已开始量产第一代边缘AI芯片。
Tenstorrent(2016年):开发RISC-V和AI芯片,目标是提供高性价比的训练和推理解决方案,现已转向技术许可和服务。
Tiny Corp(2022年):由Comma AI创始人创立,以开源工具tinygrad为目标,挑战Pytorch在大语言模型领域。
这些公司在AI芯片市场中各具特色,挑战着英伟达的主导地位,展现出AI硬件行业的多元化竞争和创新活力。
热心网友
时间:2024-10-05 15:41
在科技股普遍下滑的2024年初,AI领域的领头羊英伟达却依旧保持着强劲的势头。随着AI产业的蓬勃发展,硬件赛道的竞争愈发激烈,众多初创公司正瞄准英伟达GPU的市场份额发起挑战。以下是当前竞争最激烈的12家AI芯片独角兽企业,它们均成立时间不长,最高融资额达7.2亿美元,有望成为英伟达的有力对手:
Cerebras(2015年成立):以制造大型训练芯片见长,其产品专为AI训练设计,与GPU相比,规模大56倍。主要客户集中在国防和学术领域,与梅奥诊所合作开发AI医疗应用。
d-Matrix(2019年):专注于推理,开发内存与处理结合的芯片,旨在提供成本效益。预计24年上半年投入商用,已有客户进行测试。
Etched(2023年):哈佛辍学生创办,声称其Sohu芯片推理性能是H100的10倍,采用革命性制造工艺,有望大幅提高运行效率。
Extropic(2022年):虽尚无具体产品,但创始人来自谷歌“X”部门,计划开发用于大模型的量子计算芯片,目标是将AI与物理学融合。
Groq(2016年):聚焦大模型推理,其智能处理单元在速度和成本上挑战英伟达,尤其在终端体验上表现出色。
Lightmatter(2017年):利用专利技术以激光传输数据,有望降低数据中心能耗,与传统芯片厂商相比有显著优势。
MatX(2022年):由谷歌前员工创办,开发LLM专用芯片,旨在提供更快更低成本的AI应用支持。
Modular(2022年):专注于训练和推理平台,目标是简化AI开发,解决不同芯片间的软件兼容问题。
Rain AI(2017年):专注于NPU芯片,结合内存与处理,可实时定制AI模型,但产品尚未量产。
Sima.ai(2018年):专为边缘计算设备打造,关注于实时决策和数据隐私,已开始量产第一代边缘AI芯片。
Tenstorrent(2016年):开发RISC-V和AI芯片,目标是提供高性价比的训练和推理解决方案,现已转向技术许可和服务。
Tiny Corp(2022年):由Comma AI创始人创立,以开源工具tinygrad为目标,挑战Pytorch在大语言模型领域。
这些公司在AI芯片市场中各具特色,挑战着英伟达的主导地位,展现出AI硬件行业的多元化竞争和创新活力。