Источник: sharespro.ru
Искусственный интеллект (Artificial intelligence, AI) – один из главных трендов последних нескольких лет.
Эта взрывная технология стала превращаться в реальность в 2017 году благодаря и программным решениям, и аппаратной базе, позволяющей работать с AI.
Говоря про искусственный интеллект, все вспоминают о компании Nvidia – главном поставщике чипов для AI.
Внимание к ней связано еще и с тем, что ее акции довольно сильно выросли в цене выше благодаря огромному спросу на них и в игровых устройствах, и в центрах обработки данных.
Но кроме того, Nvidia была главным поставщиком чипов для AI-решений. За минувший год акции Nvidia подорожали практически на 80% по сравнению с их ценой в начале года.
Рост акций Nvidia на самом деле демонстрирует не столько интерес именно к этой компании. Это, скорее, демонстрация интереса к одной из самых заметных и взрывных технологий 2017 года — технологии AI.
Искусственный интеллект в этом году продолжил свой путь от начинающегося тренда до доступной технологии. И все, происходящее в этом году в AI, будет серьезно влиять на будущее.
В этом году появилось множество стартапов, которые пытаются потеснить Nvidia на ее пьедестале. Все они разрабатывают собственные варианты AI-чипов.
И многие из них получили в 2017 году огромное финансирование. При этом некоторые из этих стартапов не могут пока еще похвастаться работающим продуктом.
Тем не менее, это не остановило их инвесторов: проблем с привлечением финансирования у AI не существует.
Создатели аппаратных решений для AI пытались оптимизировать и ускорить два главных процесса, лежащих в основе AI – это вывод данных и машинное обучение.
При этом разработчики новых продуктов также решали вопросы энергоэффективности.
Их глобальная цель состояла в создании проектов, которые бы лучше подошли для следующего поколения устройств с искусственным интеллектом.
Вместо традиционной вычислительной архитектуры на основе обычных процессоров. AI-продукты активнее используют графические процессоры (GPU). Благодаря им вычисления проходят гораздо быстрее.
Новые стартапы, работающие в сфере аппаратных решений для искусственного интеллекта, попытались убрать потенциальные уязвимости Nvidia на рынке AI.
Некоторым из них это удалось и полученное ими финансирование стало тому подтверждением.
В декабре прошлого года компания Cerebras Systems получила финансирование от Benchmark Capital – оно составило около $25 млн.
В то время казалось, что чип-индустрия AI-проектов была не такой заметной, как сегодня, но, по прошествии года, доминирование Nvidia на рынке GPU стало явным индикатором того, что этот тренд будет быстро развиваться.
Затем Forbes сообщила в августе этого года, что стоимость компании Cerebras Systems уже оценивается почти в $900 млн.
Graphcore объявила о новом раунде финансирования в размере $50 млн в ноябре этого года.
Раунд финансирования возглавил фонд Sequoia Capital, причем объявление было сделано вскоре после июльского раунда финансирования в размере $30 млн, который возглавил Atomico.
Тем не менее, Graphcore, как и Cerebras Systems до сих пор не обладают таким серьезным продуктом, как Nvidia. И все же этот стартап смог собрать $80 млн в год.
И это при том, что аппаратные стартапы сталкиваются со многими проблемами, в том числе при получении финансирования. Это особенно заметно по сравнению с теми, которые просто предлагают software-решения.
Не отстает от американского и сегмент китайских AI-стартапов.
Alibaba профинансировала стартап под названием Cambricon Technology, стоимость которого, как сообщается, оценивается в $1 млрд; Intel Capital привлекла инвестиции в Horizon Robotics в размере $100 млн; и стартап под названием ThinkForce собрал $68 млн в начале этого месяца .
А можно еще вспомнить Groq, стартап, запущенный бывшими инженерами Google, которые собрали около $10 млн из Social + Capital, что кажется немного по сравнению с некоторыми стартапами, перечисленными выше.
Mythic, еще один производитель микросхем, привлек финансирование в размере $9,3 млн.
Таким образом, мы можем видеть не один или два, а сразу семь стартапов, заявивших о себе в этой сфере, многие из которых подняли десятки миллионов долларов. А одна оценка стартапа и вовсе выросла до $900 млн.
Опять же, это аппаратные стартапы, и это аппаратное обеспечение следующего поколения, а полноценная работа в этом сегменте может потребовать гораздо больше финансирования.
Таким образом, аппаратные AI-платформы – это пространство, которое нельзя игнорировать.
Интерес стартапов к искусственному интелекту
Даже если посмотреть за пределы стартапов, можно увидеть интерес к этому сегменту рынка и от крупных компаний. Так, например, Google объявила о выпуске своего нового поколения TPU (тензорного процессора, Tensor Processing Unit) в мае этого года.
Этот процессор предназначен для использования с библиотекой машинного обучения TensorFlow. И Apple разработала свой собственный графический процессор для iPhone следующего поколения.
Оба они будут иметь большое значение для настройки аппаратного обеспечения для их конкретных потребностей, таких как Google Cloud-приложения или Siri.
Intel также заявила, она покажет свой новый Nervana Nueral Network Processor к концу 2017 года. Intel купила Nervana за $350 млн в августе прошлого года.
Все эти примеры представляют собой масштабные начинания как стартапов, так и крупных компаний, каждый из которых ищет собственную интерпретацию графического процессора.
Но отказ от Nvidia, которая начала процесс блокировки разработчиков на своей платформе Cuda, может быть еще более сложной задачей.
Поэтому стартапам уже сейчас нужно получить поддержку разработчиков для своих проектов.
Когда вы поговорите с инвесторами в Силиконовой долине, вы все равно встретитесь с некоторым скептическим настроем.
Например, относительно того, будут ли компании покупать более быстрые чипы для машинного обучения, когда старые карты на сервере Amazon могут быть столь же хороши для этого?
Тем не менее, интерес инвесторов к искусственному интересу не вызывает сомнений ни у кого.
Nvidia по-прежнему является очевидным лидером в этой области и будет стремиться продолжать свое доминирование. Это ей удастся некоторое время, например, благодаря таким устройствам как автономные автомобили.
А в 2018 году, мы, скорее всего, начнем понимать, действительно ли у этих стартапов есть возможность сбросить Nvidia с ее единоличного пьедестала.
Есть ли дразнящая возможность создания более быстрых и маломощных чипов, которые смогут использоваться в устройствах интернета вещей.
И есть ли возможность сделать эти серверы более быстрыми и более энергоэффективными, когда они хотят обучать модели — например, те, которые говорят вашему автомобилю, как выглядит белка.
Самые актуальные новости - в 
