近年所有的目光都集中在了Nvidia上，因為它的顯卡和GPU在很多方面都有巨大的市場需求：如游戲，數據中心的建設以及人工智能的潛在應用，使其股價爆漲。

下圖所示的Nvidia股價變化圖可能是2017年最令人瞠目結舌的部分，在這一年，人工智能繼續在科技領域前進，幾乎無處不在。而人工智能世界正在發生一些更微妙的變化，這可能會產生更深遠的影響。

最近一年，許多創業公司都致力于研發自己的硬件，這些硬件將為AI構建的未來設備提供動力，所以它們獲得了大量資金。其中一些創業公司并沒有大的研發團隊（或尚未發布產品），但已經可以輕易的籌集到資金。

優化推理和訓練是圖像和語音識別等流程的兩個關鍵部分，初創公司一直在尋找方法來優化這些流程，使其更快，更節能，并且更適合于下一代人工智能設備。GPU不再是傳統的計算架構，現在GPU已成為處理AI流程所需的快速計算的首選芯片之一。這些初創公司認為他們可以比Nvidia GPU做得更好。

在我們了解初創公司之前，讓我們先看一下Nvidia的股票走勢圖，來了解一下這個領域的基本情況。即使價格在2017年底出現曇花一現，但到2018年，Nvidia的股價也將上漲近80％：

自然地，我們會看到一大批初創公司正在尋找Nvidia在AI市場中地潛在漏洞，投資者也會注意到這一點。

有消息已經證實了這個猜想，即Cerebras Systems去年12月從Benchmark Capital獲得了大約2500萬美元的資金。當時，似乎AI芯片行業并不像今天那么熱門。但是隨著時間的推移，Nvidia在GPU市場的主導地位明顯表明這將有巨大的發展空間。隨后福布斯今年8月報道了該公司價值達近9億美元。

Graphcore也在今年做出了一些回應。今年11月，在由Atomico領投的3000萬美元融資后不久，該公司又宣布了已經獲得由Sequoia Capital領投的新一輪5000萬美元融資。 Graphcore也和Cerebras Systems一樣，在市場上沒有像Nvidia那樣引人注目的產品，然而，這家初創公司能夠籌集8000萬美元融資。

中國人工智能創業公司也籌集了一大筆資金：阿里巴巴向估值10億美金的創業公司寒武紀科技提供融資。據報道，英特爾為地平線機器人公司投資1億美元。深鑒科技已經融資約1億美金，估值10億美金。

在早些時候，一家名為ThinkForce的初創公司也籌集了6800萬美元。更不用說Groq了，這是一家由前谷歌工程師創立的創業公司，它從Social + Capital籌集了大約1000萬美元。另一家芯片公司已經融資930萬美元。

目前已經有7家初創公司進入該領域，并且大多已經籌集了數千萬美元，其中至少有一家創業公司的估值接近9億美元。而且也出現了一些硬件類的初創公司，下一代硬件的研發可能需要更多的融資。所以這仍然是一個不容忽視的空間。

全球的大公司也在努力創建自己的系統來超越初創公司。谷歌今年早些時候宣布其下一代TPU將面向推理和機器學習。Apple為其下一代iPhone設計了自己的GPU。Google Cloud應用程序或Siri都助于針對自己特定需求調整硬件。英特爾在10月份表示，它將在2017年底之前推出新的Nervana Nueral網絡處理器。2016年8月，英特爾以3.5億美元的價格收購了Nervana。

所有這些都代表了初創公司和大公司的承諾，每個公司都在尋找自己對GPU的解釋。 但是，Nvidia將開發人員鎖定在其Cuda平臺上的可能是一個更加困難的任務。對于那些試圖將硬件推向市場并讓開發人員參與進來的初創企業來說，效果將是雙重的。

當你與硅谷的投資者交談時，你仍會心存疑慮。 例如，當亞馬遜服務器中的芯片已經可以滿足AI訓練的需求時，為什么眾多公司還想去購買速度更快的芯片？目前仍有大量投資資金流入該領域，他們想再次投出一家像Uber和WhatsApp一樣的成功公司。

Nvidia仍然是該領域的領導者，隨著自動駕駛汽車等設備變得越來越重要，它將繼續保持其主導地位。但是，進入2018年，我們開始思考這些初創公司是否真的有機會超越Nvidia。 創造速度更快，功耗更低的芯片是一件非常誘人的事情，這些芯片可以進入物聯網領域，并通過更有效的推理真正實現這些設備的智能。而且當用戶想要訓練模型時，這些芯片可以讓這些服務器更快，更節能。