英伟达二季度业绩震撼全场，数据中心营收在三个月内翻番至百亿美元以上，使净利润同比增长四倍至67.4亿美元，牢牢把住AI芯片的霸主地位。

而在英伟达的身后，有许多年轻的初创公司正在奋力奔驰，有的不停推出号称凌驾英伟达GPU的产物，有的则瞄准了英伟达的CUDA编程平台。

据The Information，2017年至少有十几家初创公司试图挑战英伟达在AI芯片领域的地位，但经历了市场的一轮洗牌之后，该倒闭的倒闭，该换血的换血。

其时比力受关注的两家公司，KnuEdge和Reduced Energy Microsystems双双倒闭。Wave Computing在2020年申请破产，次年以新名称MIPS东山再起。据科技网站The Register报道，另一家AI芯片初创公司Mythic的前工程副总裁在领英上写道，该公司已于去年耗尽现金。今年早些时候，Mythic宣布任命新首席执行官，并获得了1300万美元融资。

在现存的早期AI芯片初创企业中，Cerebras生产的大规模AI芯片整合了英伟达GPU的许多处置惩罚能力，而SambaNova Systems似乎是早期最有能力挑战英伟达的公司。上一轮融资热潮中，这两家公司和Graphcore一起以数十亿美元的估值进行了几轮大型融资。

这轮市场大清洗告诉后来者，初创企业正面临着高昂的本钱和竞争风险。

更重要的是，

尽管最近投资者对AI布满热情，但初创公司面临的融资环境比上一代更为严峻。

风险投资、私募股权和并购数据库PitchBook的数据显示，今年上半年，AI芯片初创公司获得的风险投资仅略高于10亿美元，作为比力，2021年的融资额高达95亿美元。

别的，这些初创公司还面临着进入停滞阶段的技术复杂性和高昂本钱挑战，还需要将设计完成并交付给台积电等制造商尽快投产。尽管如此，

首创人和投资者都认为，生成式AI将使计算领域产生翻天覆地的变革，这足以使他们从英伟达身上分一杯羹。

以下是最新向英伟达发起挑战的八家初创企业：

D-Matrix和Rain Neuromorphics声称，它们开发的芯片和软件，与英伟达产物相比，更有助于降低训练和运行机器学习模型的本钱。

Tiny Corp和 Modular正在开发CUDA的替代品，CUDA是英伟达开发的一种编程语言，可提高应用步伐开发的速度，但它只能与英伟达的GPU配合使用。

Qyber、Modular和MatX三家芯片初创公司均由谷歌前工程师建立，而获得了投资者的信赖。

Modular

建立时间：2022年

首创人： Chris Lattner（首席执行官）、Tim Davis（首席产物官）

投资人： GV、Greylock Partners、Factory HQ、SV Angel

股权融资：3000万美元

Modular正在开发一个用于训练和运行机器学习模型的开发平台和编程语言。它允许用户从一系列AI工具中进行选择，包罗最初由谷歌开发的开源软件TensorFlow和最初由Meta Platforms开发的开源软件PyTorch。然后，模块化用户可以在英伟达、英特尔等服务器芯片上运行模型。

构建和运行AI应用步伐需要大量的计算能力，开发人员称，在试图控制计算本钱时，很难在差别类型的芯片之间切换使用他们的软件。Modular产物于5月份推出了有限预览版，旨在资助工程师更轻松地在差别类型的硬件上运行模型，以便平衡性能和本钱。

Modular尚未披露其定价结构，而且产生的收入较少，但首创人的工作配景让投资者感到鼓舞。首席执行官Lattner之前在苹果公司领导了Swift编程语言的开发，后来与Modular的联合首创人兼首席产物官Tim Davis一起在谷歌工作,两人共同负责监督该公司的AI产物开发。据The Information本月早些时候报道，Modular最近正在洽谈一项以6亿美元估值融资的项目。

MatX

建立时间：2022年

首创人：Reiner Pope（首席执行官）、Mike Gunter（首席技术官）

投资方：Outset Capital、SV Angel、Homebrew

股权融资：未知

MatX正在开发用于文本应用的大语言模型（LLM）的专用芯片，目的是设计出比英伟达的GPU等硬件运行得更快、更省钱的芯片。

这家初创公司由前谷歌员工建立。MatX的首席执行官Reiner Pope曾到场构建谷歌的Pathways语言模型。MatX的CTO Mike Gunter曾到场谷歌的张量处置惩罚单位（TPU）的工作，这是谷歌专门设立的AI硬件部分，与英伟达GPU构成竞争。

MatX官网宣称，它获得了几家风投公司的支持，但尚未宣布产物或融资额。根据网站介绍，这家总部位于加利福尼亚山景市的公司还获得了网络宁静巨头Palo Alto Networks首席商务官Amit Singh以及大语言模型研究人员的支持。目前还不清楚MatX是否已经获得客户，但该公司表现它获得了“著名大语言模型公司的有力支持”。

Qyber

建立时间：2022年

首创人：Guillaume Verdon、Tom Hubregtsen

投资方：霍夫资本、朱利安资本

股权融资：未知

据一位直接知情人士透露，Qyber正在开发一款专门为运行LLM而设计的芯片。

这家初创公司由Alphabet神秘项目“登月工厂”部分的前研究人员建立，专注于量子计算。该公司官网对其计划讳莫如深，只写道：“下一个计算时代尚未消亡，它还活着。”敬请期待。

据PitchBook称，去年11月，Qyber从纽约风险投资公司Hof Capital和旧金山种子期基金Julian Capital筹集了资金。Information援引一位知情人士报道称，最近，这家初创公司已与潜在投资人讨论新一轮融资事宜。

Rain Neuromorphics

建立时间： 2017年

首创人： Gordon Wilson（首席执行官）、Jack Kendall（首席技术官）、Juan Nino（首席科学顾问）

投资人：空客创投、百度创投、FoundersX Ventures、Sam Altman、Daniel Gross

股权融资： 3300万美元

Rain Neuromorphics现已更名为 Rain AI，目的是解决使用传统GPU训练和运行机器学习模型的高本钱问题。

一般来说，芯片在从内存和处置惩罚组件传输数据时会产生一定热量，这就需要不停冷却GPU，从而增加数据中心的电力本钱。Rain的芯片和软件将内存和处置惩罚功能结合在一起，使它们能够以更低温度、更节能的方式运行，首席执行官Gordon Wilson表现。

Tiny Corp

建立时间：2022年

首创人：George Hotz

投资人：未公开

股权融资：510万美元

据称，Tiny Corp的产物可资助开发人员加快训练和运行机器学习模型的过程。

神奇小子、自动驾驶初创公司Comma AI的首创人兼前首席执行官George Hotz于今年5月宣布建立Tiny Corp公司，目标是彻底改变AI计算领域。

当前，Hotz正在围绕一套名为tinygrad的开源深度学习工具开展业务。5月份，Hotz在GitHub上发表的一篇文章中表现，他认为tinygrad可以成为Pytorch的“有力竞争对手”，Pytorch是一套起源于Meta Platforms的深度学习工具。

不外，就目前而言，Hot似乎更愿意保持低调。他说：“我们反面两种类型的人说话，警察和记者。”

SiMa.ai

建立时间： 2018年

首创人： Krishna Rangasayee（首席执行官）

投资人： Fidelity、Amplify Partners、Dell Technologies Capital、VentureTech Alliance

股权融资：2亿美元

Sima.ai正在开发为“边沿”行业（飞机、无人机、汽车和医疗设备）的AI软件提供支持的硬件和软件。

Sima.ai创建于2018年，首创人Krishna Rangasayee曾在芯片制造商 Xilinx 工作了近 20 年。他在接受Information采访时表现，这些行业对支持 AI 的新硬件的需求日益增长，他希望解决这一问题。

例如，自动驾驶汽车需要即时做出决策，因此可以从当地运行AI软件中受益。而在医疗保健行业，公司可能不想将敏感数据上传到云端，更倾向于让数据留在设备内。

今年6月，Sima.ai表现，其第一代“边沿”AI芯片已开始量产，正在与制造、汽车和航空等行业的50多家客户合作。

Lightmatter

建立时间： 2017年

首创人： Nicholas Harris（首席执行官）、Darius Bunandar（首席科学家）、Thomas Graham（首席执行官）

投资人：经纬创投、Spark Capital、Viking Global、SIP Global Partners

股权融资： 2.66亿美元

Lightmatter使用激光器的光在芯片和服务器组之间传输数据。

这家初创公司由前麻省理工学院学生从该大学申请专利的技术中衍生出来。联合首创人兼首席执行官Nicholas Harris表现，英伟达、AMD 和英特尔等传统生产商的芯片通过电力传输数据电线，本钱较高，相比之下，Lightmatter的产物可资助公司在训练和运行机器学习模型时将数据中心能源消耗本钱降低约 80%。

Harris表现，Lightmatter还希望让英伟达、AMD 和英特尔等公司在其自身的芯片中授权使用其技术。

D-Matrix

建立时间：2019年

首创人：Sid Sheth（首席执行官）、Sudeep Bhoja

投资人：微软、SK海力士、Playground Global、Entrada Ventures

股权融资：5100万美元

D-Matrix正在开发一种专用芯片和软件，用于运行组合处置惩罚和内存的机器学习模型,这两者在芯片上通常是独立的差别组件。

D-Matrix联合首创人兼首席执行官Sid Sheth表现，这种方法可以让D-Matrix芯片产生更少的热量，因此需要更少的冷却，使其成为比主流 GPU 和 CPU 芯片更具本钱效益的选择。Sheth说，这在许多公司希望基于OpenAI的GPT-4等大语言模型构建生成式AI应用步伐的时代尤为重要。

Sheth表现，D-Matrix 选择专注于推理（运行机器学习模型），而不是训练这些模型，因为他们认为随着时间的推移，这些模型会变得越来越大，运行本钱也越来越高。D-Matrix已经有客户测试其芯片和软件，并计划在明年上半年将其投入商业使用。