與此同時，在人工智能（AI）市場出現了一股創業熱潮，大約有60家初創企業出現，其中許多企業已經籌集了6000萬美元甚至更多。根據國際數據公司（IDC）的數據，2017年人工智能初創企業獲得了120億美元的融資，預計到2021年將增長至570億美元。其中大多數都是針對數據中心的，當有一個大的提高時，數據中心是獲得ROI所必需的。不過成功的機會很小，風險也很高。但是對于投資者和初創企業來說，還有另一種選擇。

在這篇文章中，我們將討論半導體行業正在發生的巨大顛覆性變革，以及它為創新架構和商業模式創造的機遇。

我們將以一個特定的創業公司——Xceler為例，它采用了開發人工智能處理器的另一種方法。硅催化劑使他們能夠以更低的成本和風險將硅推向市場。

圖1 與每個制造節點SoC開發相關的成本。來源：IBS

半導體投資的成功，尤其是人工智能的成功，是一個多步驟的過程。在每個階段，目標都是降低風險，并以盡可能低的價格和時間成本獲得最大的成功。

低風險的結構化方法可歸結為執行以下步驟：

所選市場中的需求被提煉為所需的最低功能，并確定目標體系結構。

這些解決方案使用FPGA進行原型設計，并在市場上得到驗證，從而創造了初始收益。

有了這兩個步驟，就可以獲得技術熟練程度和早期市場驗證的證據。

然后將解決方案重新定位到硅，進一步進行架構創新。這一步的一個重要因素是硅孵化器的使用，它可以顯著降低成本和風險。對于一家人工智能半導體初創企業來說，除了人力成本，還有EDA工具和硅的成本。一般來說，這在300萬至500萬美元之間。如果公司能夠避免或減少這些費用，他們將可以獲得更高的企業估值，并為創始人和早期投資者保留更多的所有權。

確定市場機會

資料來源：AI Insight

數據中心的AI/ML市場很大。對于許多應用程序，在各個節點收集的數據將移回數據中心。這些是由大型數據中心公司運營的公共云完成的。半導體公司或子系統供應商的問題是數據中心中與AI/ML關聯的業務模型。系統和半導體公司構建的硬件和工具功能強大，可以運行多種應用程序，但問題是哪種類型的AI/ML和哪些特定的應用程序？這是一個尋找市場的解決方案。企業需要一些人們愿意接受的東西。

云提供了您的加速器集成的基礎架構，它們在基礎架構之上銷售重復的服務和應用程序，直到產品生命周期結束。對于技術提供商來說，這不是一項可持續的業務。因為不能保證每年都保持同樣的銷量。考慮一下英偉達的GP和GPU銷量是如何逐漸減少的。銷售額通常與硅循環有關，每隔幾年就會有更多硅以更低的價格、更低的功耗和更好的性能出現。并且為客戶提供免費服務，因為服務提供商依賴于客戶的批量銷售。這將推動底層基礎設施的商品化，因為服務提供者希望基礎設施的價格對他們來說具有商業意義。此外，隨著摩爾定律的放緩，這種技術的被迫淘汰不再是一個驅動因素。

對于Xceler來說，它是在工業領域發現了自己的目標。每個人都想部署IIoT（帶有AI/ML的工業物聯網），但是每個公司都在尋找正確的解決方案。消費者物聯網被考慮過，雖然大多數解決方案都很好，但并不是必要的。在消費者領域，存在多個政策障礙，如法律、隱私、安全或責任。采用這些解決方案需要消費者做出一些改變。這需要一代人的接受周期和大量的營銷和公關資金。相反，采用工業解決方案更快，因為它是直接影響其底線的必備功能。

在IIoT領域，每一家大公司每年都有超過500億美元的收入。即使市場滲透率有限，也有可能建立一個可觀的收入基礎。因為有許多潛在的終端客戶，它們共同提供了一個機會，而不像數據中心空間中只有少數終端客戶。

預測性訓練和邊緣學習——人工智能讓夢想變成了現實。

基于web的解決方案似乎是免費的。但是有人為這些服務付費。就網絡而言，它是廣告商或試圖銷售產品的人。在工業領域，供應商同時銷售硬件和解決方案。它們直接為買方提供價值，因此可以直接從中獲利，此外，隨著更多功能的增加，未來還可能產生更多收入。

每個基于邊緣的應用程序都是不同的。這種分散化是人們害怕邊緣市場的原因之一。這就要求我們具備較強的適應和學習能力。僅僅靠推斷是不夠的。如果鏈接斷開了怎么辦？只執行推斷的解決方案可能會極其危險。

有些人正在嘗試構建基于邊緣的平臺。它們通常包含特定垂直應用程序的基于自定義邊緣的處理器。與云設備相比，它們體積非常大但平均售價相對較低。

Xceler的創始人兼首席執行官Gautam Kavipurapu表示：“我們正在為一家制造大型燃氣輪機的公司進行一個試點項目。它們在很多方面都可以發揮作用。燃料閥有流量控制，傳感器記錄振動和聲音，渦輪在不同階段的轉速被測量，燃燒室溫度——總共約1000個傳感器。我們需要處理數據并進行預測維護分析。”

當處理器連接到機器而沒有連接到云（出于安全考慮，云可能不存在）時，將觀察正常運行的系統的概要文件。它為機器建立了一個基本模型，隨著時間的推移，這個模型會得到改進。當出現偏差時，來自傳感器的數據會實時交叉關聯，以找出導致異常的原因。與云的連接使繁重的工作能夠構建一個精細化的模型并對其進行拆分。然而，在邊緣進行初始處理在延遲和功率方面有很大的優勢。

定義正確的體系結構

系統需要為它們正在解決的問題進行體系結構設計。Kavipurapu解釋說：“我們把問題看作是硬實時、接近實時或用戶時間的問題。硬實時要求響應時間不超過5微秒;接近實時要求響應時間在幾毫秒內;而用戶時間可能需要數百毫秒或幾分鐘。消費者應用程序屬于最后一類，通常沒有軟件許可協議（sla）［BB2］ ［BB3］和性能承諾，因此它們可以與云協同工作。對于需要硬響應或接近實時響應的問題，依賴于云是不可行的，因為如果成功完成，往返時間就需要幾毫秒。

“我們已經看到邊緣處理器隨著時間的推移而發展。最初，邊緣機器學習意味著收集數據并將其移動到云上。學習和推理都是在云中完成的。下一階段的改進允許在邊緣上進行一些推理，但是數據和模型仍然在云中。今天，我們需要把一些學習提高到極限，尤其是在存在實時限制或擔心安全的情況下。”

原型和創造收入流

對于這類問題，可以在FPGA上進行原型化。對于不需要極高性能的應用程序，甚至可以在種子輪中使用此解決方案進入市場。這抵消了對更多投資資金的需求，并使概念得以驗證。

“對于Xceler，我們從FPGA解決方案開始。它們在我們的目標市場是可以接受的，因為它們有較高的性價比。它們在價格上可以與基于x86的系統相媲美，并且提供更高的性能。唯一的缺點是邊緣被壓縮了，在FPGA解決方案中沒有特定的架構可能性。”

遷移到硅

為了獲取更多的價值，我們確實需要一個更便宜、更快、更低功耗的解決方案。Kavipurapu補充說：“這涉及到構建一個芯片，或基于邊緣的處理器（EBU）。對于控制處理器，我們使用來自SiFive的RISC-V實現。SiFive負責后臺設計實現，降低了我們的風險。SiFive也是硅催化劑的合作伙伴。我們希望我們的FPGA解決方案可以轉化為2000萬到3600萬個ASIC門，所以這個芯片并不需要那么大。”

剩下的唯一風險是硅風險。通過制造28nm的芯片，將制造硅的風險降到最低。剩下的就是關閉設計和時間。我們去掉了設計元素中的大部分可變性。此外，我們限制了我們的設計方法，只使用簡單的標準單元設計，沒有定制塊，也沒有復雜的降低功耗的嘗試。”

完善架構

FPGA解決方案的運行速度不能超過大約100MHz。“使用FPGA，我們也受到內存架構的限制，”Kavipurapu解釋說。“對于定制芯片，我們正在部署一個高級內存子系統。新的處理技術需要內存來進行數據移動和存儲。對于我們來說，在FPGA上執行每一次計算大約需要15條指令，而在ASIC上只需要4到5條指令。就時鐘頻率而言，我們的ASIC將以500兆赫到1兆赫的頻率運行，功耗將大大降低。”

硅保溫箱的使用

硅催化劑的目標是通過減少創新障礙，將IC初創企業的摩擦限制在能夠獲得機構A輪融資的程度。與潛在的競爭相比，這為Xceler提供了顯著的優勢。當競爭對手為實現可工作的硅而與多個磁帶輸出進行斗爭時，Xceler甚至在磁帶輸出之前就有了第一 筆收入。這要歸功于硅催化劑和低風險策略等的幫助。

Kavipurapu說：“硅催化劑通過生態系統合作伙伴的實物貢獻，為初創企業提供了獲取所需工具和硅的能力。這使它們能夠獲得一輪估值和融資方面不錯的A輪融資。他們帶來了以非常低的成本制造芯片原型的能力。我們從臺積電得到免費的MPW服務。我們不需要為芯片設計工具付費，因為有來自Synopsys的工具的合作伙伴。我們對每個工具都有兩年的許可證。硅催化劑也有很多芯片行業的老手。我不是一個愛芯片的人，我的團隊也不是。談到硅，硅催化劑能增加很多價值。”

結果，Xceler將以略高于1000萬美元的價格獲得芯片樣品。他們有客戶，在進入芯片市場之前就能實現盈虧平衡。

結論

我們所處的時代，創新比原始速度、晶體管數量和投資金額更為重要。到處都有機會，進入這一市場并不需要為極高的產量和利潤制造硅片。我們正處在一個定制解決方案的時代，這些解決方案旨在解決實際問題，而在這個時代的邊緣，存在著無數的機會。

責任編輯：ct