广告

比尔盖茨投资AI初创公司,要用硅光单芯片替代3000块TPU

2019-06-10 阅读:
微软联合创始人比尔盖茨,优步联合创始人Travis Kalanick的10100基金和现任优步首席执行官Dara Khosrowshahi投资了一家AI芯片初创公司Luminous Computing。这家公司有一个雄心勃勃的计划,将世界上最大的超级计算机的计算能力放在一颗芯片上。

CNBC报道,微软联合创始人比尔盖茨,优步联合创始人Travis Kalanick的10100基金和现任优步首席执行官Dara Khosrowshahi投资了一家AI芯片初创公司Luminous Computing。这家公司有一个雄心勃勃的计划,将世界上最大的超级计算机的计算能力放在一颗芯片上。Xsrednc

据悉,Luminous总共获得了900万美元的种子轮融资,除了上面提到的投资方,BoxGroup、Emil Michael以及种子前投资者都参与了投资。Luminous这个7人的创业团队将专注AI工作负载,使用光子技术解决传统处理器的瓶颈。他们的目标是是推出一款可以替代性能是3000个TPU板的硅光子单芯片。Xsrednc

这个初创公司由公司的首席策略官Michael Gao、CEO Marcus Gomez和CTO Mitchell Nahmias创立,他在普林斯顿大学的研究是公司即将推出的芯片的基础。Gomez在时尚圈创办了一家软件即服务企业,最近在Tinder担任数据科学家,此前还任职于谷歌和Match Group。Michael则创办了软件创业公司AlphaSheets。Xsrednc

Nervana(2016年已被英特尔收购)的早期投资人Ali Partovi的风险投资基金Neo也投资了Luminous,他对CNBC表示:“我总是倾向于选择一个有才华的年轻团队而不是一家大公司,虽然风险肯定很大,但现在值得投资,如果竞争已经结束,投资将为时已晚。”Xsrednc

Luminous CEO Gomez表示,前面的道路并不容易,我们的竞争对手是最大的半导体巨头。半导体行业正在努力提供10倍于现在芯片性能的AI芯片,这并不容易。按照传统的做法,到2030年可能都没办法实现,这也是我们即使面对同样巨大的挑战也要坚持要做这样款芯片的原因。Xsrednc

008ednc20190610Xsrednc

Gomez在接受CNBC采访时表示,在Tinder工作时,早上开始在云端训练AI模型,要到晚上才能完成,人们都希望能够在几分钟内完成AI模型训练,而不是几小时或几天。Xsrednc

虽然Luminous想要推出的芯片是可以替代有3000块TPU的电路板,但Luminous依旧希望将芯片销售给包括谷歌、亚马逊在内的云服务提供商,也希望其芯片可以应用于无人机、机器人和自动驾驶汽车公司的系统中。Xsrednc

TPU(Tensor Processing Unit)是谷歌自主研发的针对云端的AI芯片,去年推出了第三代产品TPU3.0。雷锋网此前报道,谷歌首席执行官Sundar Pichai在去年Google I/O上表示TPU3.0相比前代产品计算性能提升了8倍,可达 100PFlops(每秒 1000 万亿次浮点计算),已经应用于谷歌的云服务中,但谷歌没有对外出售TPU。Xsrednc

既然要提供高性能的处理器,突破性的技术就是关键。Luminous采用光子技术来突破传处理器遇到的瓶颈,也就是使用光来移动密集的数据并实现矩阵计算。Xsrednc

NEO的Partovi说:“尽管许多光子学的研究都集中在通用数据移动上,但Luminous恰当地针对人工智能计算市场,这是需求所在。”Xsrednc

当然,Luminous并不是唯一一家尝试构建超级计算芯片和第一个专注于光子学的初创公司。例如,Lightmatter 筹集了3300万美元制造光子芯片,投资方包括来自Google的风险投资部门(由Spark Capital和Matrix Partners参与)。Xsrednc

其实,早在上世纪九十年代,IT从业者就开始为半导体芯片产业寻找继任者。光子计算、量子计算、生物计算、超导计算等都备受关注,其中光子计算一度被认为是最有希望的未来技术。与传统半导体芯片相比,光芯片用超微透镜取代晶体管、以光信号代替电信号进行运算。光芯片无需改变二进制计算机的软件原理,但可以轻易实现极高的运算频率,同时能耗非常低,不需要复杂的散热装置。Xsrednc

不过,科学家和工程师很快就发现制造纳米级的光学透镜是如此困难,想在小小的芯片上集成数十亿的透镜远远超出了人类现有的技术水平,因此商业化面临巨大挑战。目前英特尔、IBM等都对硅光技术投入研发,但商业化面临挑战。Xsrednc

Luminous还处于早期阶段。然而,Gomez说他们已经有了硅片。虽然Gomez不会透露何时推出这款新的芯片,但他强调这不是一个遥远的幻想,该公司的目标是在未来几年内发布开发套件。雷锋网Xsrednc

(雷锋网综合自: CNBCTechcrunchXsrednc

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
  • Microchip模拟嵌入式SuperFlash技术助力存算一体创新 SuperFlash memBrain存储器解决方案使知存科技片上系统(SoC)能够满足最苛刻的神经处理成本、功耗和性能要求
  • 用TinyML开始设计——开发评估套件 本文中展示的开发套件和评估板得到一些流行的机器学习库和用于 TinyML 工作流程资源的支持,包括用于微控制器的 Google TensorFlow Lite 和 Edge Impulse,因而它们能够成为您第一个项目的理想起点。
  • “中国IC设计成就奖”提名产品简介:高性能GPU芯片及解 沐曦致力于提供国际顶尖的高性能通用GPU芯片及解决方案,结合我国人工智能等领域对GPU芯片的强烈市场需求,对标当前国际领先的GPU芯片产品立项开展技术研发。
  • “中国IC设计成就奖”提名产品简介:全志科技高性能智能 高性能三重异构智能语音应用处理器R329芯片,采用业界先进的半导体工艺,首款集成Arm中国周易语音处理器。集成DSP、NPU、64位CPU及丰富的外设接口,创新突破了低功耗、边缘语音AI超级算力、多重异构通讯、多核调度等关键技术,处于国内领先水平。
  • “中国IC设计成就奖”提名产品简介:追萤3D AI芯片Ai310 埃瓦科技自主研发的追萤 3D AI芯片创新的采用了异构架构 SOC 设计和微内核架构设计,包含 NPU 神经网络加速核、3D 立体匹配加速核、ISP 核等功能性处理核心;其中 NPU 神经网络加速核基于可重构以及片上多级存储和缓存设计,使数据可高效送达加速核心,使该芯片拥有领先的高效智能处理能力、分析以及低功耗管理的能力;其设计架构的资源复用性使硬件计算单位可灵活分配,适应于不同场景的计算需求;在 3D 视觉算法加速方面创新的采用了自研立体匹配算法的 3D 加速微内核架构设计,可有效加速双目立体视觉、结构光等多种 3D 视觉算法。
  • “中国IC设计成就奖”提名产品简介:ada200优势 1.九天睿芯,感存算一体芯片,可以在功耗和性能满足”低功耗AI场景“的同时,成本也大幅度下降。2.采用模数混合的存内计算架构,ADA200相比传统数字芯片,1/3成本,1/10功耗。
  • “中国IC设计成就奖”提名产品简介:面向边缘视觉分析的 面向边缘视觉分析的数据流AI芯片CAISA是鲲云科技自主研发的专为人工智能图像提供高性能计算加速的AI芯片产品,是全球首个量产的数据流AI芯片。
  • “中国IC设计成就奖”提名产品简介:人工智能语音芯片CI 1、人工神经网络硬件引擎架构:具备高计算性能,进行神经网络计算时相当于数十个CPU并行计算的能力;低访问带宽和低功耗,通过并行计算和共用神经元权重参数,大幅降低访问带宽及功耗;高可配置性,支持神经元层数和节点数、神经网络结构的配置。 2、单、双、及麦克风阵列降噪增强技术:支持各种平稳、非平稳环境噪声抑制;可支持线阵、圆阵结构等常用麦阵结构;采用定向波束形成与自适应信号处理技术相结合;拾取方向动态可调;支持单声道、立体声等回声抑制;采用独立研发的空间预测技术,支持强回声情况下回声抑制;与降噪处理技术相结合;自动增益调节、高通、带通滤波等。 3、低功耗和可靠性设计技术:具备低功耗集成电路设计技术,包括基于活动语音检测的低功耗控制技术和时钟门控技术。 4、逻辑设计技术:掌握了语音信号处理IP的设计方法,包括算法硬件化、定点、浮点运算处理等。同时积累了整套SoC设计所需的控制类IP,并成功通过流片验证。
  • “中国IC设计成就奖”提名产品简介:智能安防AI SoC芯片 亿智SV826是2021年推出的高性能的安防AI SoC芯片,主要面向视频编解码AI摄像机产品。
  • “中国IC设计成就奖”提名产品简介:低功耗视觉AIoT SoC 亿智SH516芯片是亿智电子2021年推出的一款低功耗的智能视觉AIoT SoC芯片。
  • “中国IC设计成就奖”提名产品简介:高性能大算力全场景 - AI性能跑分更强,超越Nvidia Orin - 应用当前先进的安全技术和研发流程 - 国内唯一可获得、支持快速量产的整车智能计算平台芯片
  • “中国IC设计成就奖”提名产品简介:高端AIoT芯片RV1126 RK3568是瑞芯微的高端AIoT芯片。
广告
热门推荐
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了