Снимка: iStock

Тъй като тази седмица инвеститорите се фокусираха върху дизайнера на чипове Nvidia Corp. и скока в продажбите и печалбите, свързани с неговите чипове за захранване на AI приложения в центрове за данни, някои може да търсят други компании за чипове, на които да заложат.

В момента Nvidia е най-големият доставчик на процесори за графични единици (GPU), които се използват като AI ускорители, и резултатите от второто фискално тримесечие в сряда бяха повече от отлични, като повдигнаха акциите на всички свързани с индустрията компании.

Съперничещите производители на чипове Advanced Micro Devices Inc и Intel Corp. работят върху записи, за да грабнат парче от този доходоносен пай, но техните чипове все още не са налични и Nvidia в момента не може да се справи с търсенето.

Така че възможността за стартиращите полупроводникови фирми, работещи с изкуствен интелект, никога не е по-добра. Но в надпреварата за осигуряване на кирките и лопатите за бума на ИИ, хардуерът и особено полупроводниците имат най-дълго време за разработка.

„Имаме клиенти, които се молят да работят с нас, искат да пилотират през първата половина на следващата година“, каза Сид Шет, съосновател и главен изпълнителен директор на базираната в Санта Клара, Калифорния d-Matrix, дизайнер на енергийно ефективни чиплети . „Има много заинтересовани клиенти. Nvidia не може да направи достатъчно, твърде скъпо е. Хората търсят нещо, което да промени икономиката. Клиентите ми казват, че ако имах продукт, биха го купили веднага. Работим възможно най-бързо, за да попаднем в ръцете на клиентите.” Шет каза, че целта му е да достави комплектите чипове на компанията на клиентите за пилотно тестване през първата половина на 2024 г. и да постигне обем през втората половина на следващата година.

Подобно на Nvidia, d-Matrix ще използва Taiwan Semiconductor Manufacturing Co. за производството на своите полупроводници, но използва по-стари производствени възли, които струват по-малко и са по-достъпни. Чиплетите, наречени Corsair, са силно свързани SRAM модули памет, посветени на извършването на милиарди операции в AI алгоритми. Те ще бъдат съвместими с доминиращата x86 архитектура на Intel и могат да ускорят пречките при изпълнение на генеративни AI приложения, като ChatGPT.

През последното десетилетие се създадоха много стартиращи компании за полупроводници, които се стремят или да намалят доминацията, или да се присъединят към Nvidia, фокусирайки се върху някои аспекти на ускорението на AI в центъра за данни или в покрайнините. Карл Фройнд, основател и главен анализатор в Cambrian AI Research, каза, че повечето стартиращи чипове, фокусирани върху AI, са в две групи. Едната е фокусирана върху обучението, което изисква хиляди графични процесори, преминаване напред и назад, предаване на повече данни в системите, за да продължи да ги обучава, в което Nvidia превъзхожда. Вторият фокус е умозаключението, което включва вземане на решения въз основа на наличните данни - къде той вижда повече компании и което може да се случи на така наречения край или по-близо до потребителя в края на мрежата, вместо по-далеч в Облакът.

„Наистина мисля, да го наречем следващите три години, Nvidia ще доминира в центъра за данни“, каза Фройнд пред MarketWatch. „И може би всички стартиращи фирми заедно могат да получат 5, 10 до 15% пазарен дял най-много през следващите три или повече години.“ Той каза, че повече стартиращи фирми се фокусират върху AI на ръба, който е по-енергийно ефективен и не толкова интензивен за изчисления.

„На ръба е мястото, където повечето стартиращи фирми ще играят, повечето стартиращи фирми, получаващи рисков капитал, са фокусирани върху ръба, много по-голям пазар с течение на времето.“ Но той каза, че вече има голяма компания за чипове, която в момента доминира в надпреварата: Qualcomm Inc.

Тъй като през последните няколко тримесечия индустрията за рисков капитал отбеляза по-ниски нива на финансиране и недостиг на първични публични предлагания, стартиращите компании за полупроводници, фокусирани върху възможностите за изкуствен интелект, предлагат една ярка точка. Перспективата за IPO - вероятно следващия месец – на Arm Holdings на SoftBank Group Corp. може да бъде много необходим тласък за IPO пазара и да привлече известно внимание към допълнителни производители на чипове, също фокусирани върху AI.

Но тъй като общото финансиране на рисков капитал спадна през 2022 г., инвестициите в стартиращи фирми с изкуствен интелект, фокусирани върху чипове, също се сринаха. Според PitchBook инвестициите на VC в производители на чипове, фокусирани върху AI, са намалели до $4 милиарда, от $9 милиарда през 2021 г., когато фокусираните върху AI производители на чипове съставляват над половината от финансирането в полупроводниците.

Досега през 2023 г. инвеститорите са вложили 1,06 милиарда долара в 97 сделки за финансиране на производители на чипове, свързани с изкуствен интелект и машинно обучение. Няколко компании са по-утвърдени, съществуват от няколко години, с оценки на ниво еднорог над 1 милиард долара, като Cerebras Systems, съосновател на Андрю Фелдман.

Cerebras разработва система около свои собствени чипове с размер на фризби, които са почти 60 пъти по-големи от най-големите графични процесори на Nvidia, с 2,6 трилиона транзистора. Компанията наскоро получи договор, първоначално на стойност 100 милиона долара, за изграждането на първия от многото AI суперкомпютри за G42, технологична група, базирана в Обединените арабски емирства. 

G42 планира да продаде изчислителните услуги на AI, захранвани от суперкомпютрите, на енергийни и здравни компании.

„В пространството за обучение не виждам други стартиращи компании освен Cerebras, които да могат да се конкурират с Nvidia за обучение в центрове за данни“, каза Фройнд. Cerebras, основана през 2015 г. и базирана в Сънивейл, Калифорния, за първи път привлече вниманието на някои на Уолстрийт през 2017 г., когато компанията беше в стелт режим с частна оценка от 1 милиард долара. Сега се оценява на 4 милиарда долара според CB Insights Global Unicorn Club.

Друга компания за хардуер с изкуствен интелект, която получава голяма популярност, е Tenstorrent, която току-що събра допълнителни $100 милиона финансиране от инвеститори, включително Samsung, LG Electronics и Hyundai, за общо 350 милиона долара финансиране. Tenstorrent разработва система, базирана на архитектура RISC-V, версията с отворен код на архитектурата RISC (компютър с редуциран набор от инструкции), която е патентована версия на RISC на конкурента Arm. Двучиповата карта Grayskull на Tenstorrent за машинно обучение е налична сега, а Blackhole, нейната система за машинно обучение, се очаква да бъде доставена през 2024 г. Базираната в Торонто компания също е еднорог с оценка от милиарди долари, според CB Insights.

„Хората искат решения, те не искат да съберат 40 неща, за да работят“, каза Кийт Витек, главен оперативен директор в Tenstorrent. „Поставяме заедно софтуер и хардуер.“ Джим Келър, известен дизайнер на процесори, работил върху големи процесори в DEC, AMD и Apple, е главен изпълнителен директор на компанията.

„По отношение на разрушителната технология за AI, Cerebras и Tenstorrent са на върха на купчината“, каза Фройнд.

Компаниите, които са най-вероятно да успеят, ще предложат софтуер или цяла екосистема, каза Саша Остойич, партньор в Playground Global, който прекара почти десетилетие в Nvidia. Той и неговите партньори разгледаха почти всяка компания за AI чипове в пространството, започвайки през 2015 г., преди да се спрат да инвестират в d-Matrix. Някои компании се провалиха оттогава, а някои се борят да получат повече рисково финансиране.

„Едно нещо, което научих в Nvidia е, че Nvida е първо софтуерна компания“, каза Остойич. „Това, което открихме, е, че тези ранни компании не са постигнали успех, защото техният софтуер не е готов, а не корпоративно качество, което се изисква... Това е много страхотен ров за Nvidia“, имайки предвид софтуерната екосистема CUDA на компанията.

Стартиращите чипове са дори с по-висок риск от типично стартиране на софтуер, тъй като изискват повече финансиране за разработване на сложни дизайни на полупроводници и софтуер, плюс разходите за производство на физически продукт. Вероятно след няколко години ще има още провали по пътя, но винаги има надежда да станете следващата Nvidia.