預計未來幾年，迅速發(fā)展的自動駕駛汽車和嵌入式物聯(lián)網(wǎng)等“邊緣”網(wǎng)絡設備將給制造商帶來困境，制造商希望通過使用智能設備讓它們具有機器學習能力，但是目前還沒有較好的解決方案，他們打算先測試神經(jīng)網(wǎng)絡，調(diào)查市場的需求。

他們認為，一家成立了六年的公司Efinix可以解決他們的問題。Efinix總部位于圣克拉拉，這家公司一直在改進可編程芯片。現(xiàn)在它已經(jīng)可以為客戶提供一些部件用于人工智能領域的測試，之后一旦開發(fā)出合適的神經(jīng)網(wǎng)絡，就可以批量生產(chǎn)芯片來為這些網(wǎng)絡服務。

在老牌半導體分析公司Linley集團主辦Linley Group秋季處理器會議期間，該公司首席執(zhí)行官Sammy Cheung與ZDNet談論了Efinix的技術。他說:“我的一個客戶是一家來自***的相機公司，他們設計和銷售的每一款聯(lián)網(wǎng)相機最初可能只有數(shù)萬臺。他們不知道如何去追逐擁有數(shù)百萬臺產(chǎn)品的市場，不過現(xiàn)在他們可以追求更大的銷量了。

人工智能在這些設備上的任務是“推理”，當神經(jīng)網(wǎng)絡使用它在訓練階段所學到的知識來回答新問題時，這是機器學習的一部分。雖然Nvidia的GPU芯片在數(shù)據(jù)中心機器學習的訓練階段占據(jù)了主導地位，但是依靠電池供電的設備需要低功耗的芯片才能有效進行推理。隨著市場競爭的加劇，邊緣計算領域的芯片也越來越成熟，其中Cornami和Flex Logix也進入了這一領域。

Efinix提供了一種名為“Quantum”的解決方案，它將FPGA和電路可重新編程的芯片結(jié)合在一起，其中ASIC芯片的電路在制造時就已經(jīng)固定下來了。

Cheung認為像聯(lián)網(wǎng)相機制造商這樣的企業(yè)可以先從Efinix的FPGAs開始，嘗試不同的神經(jīng)網(wǎng)絡，隨著神經(jīng)網(wǎng)絡的發(fā)展而改變電路。一旦供應商對他們的設計感到滿意，他們就可以轉(zhuǎn)向使用FPGA和ASIC電路的Quantum組合芯片，這樣可以獲得更高的性能。

FPGA已經(jīng)成為一種越來越流行的機器學習方法：微軟將它們用于“腦電波”神經(jīng)網(wǎng)絡項目，該項目支持許多基于云的服務，如Bing和Cortana。英特爾和賽靈思多年來一直主導著FPGA市場，微軟在英特爾的基礎上開發(fā)了Brainwave。

但Altera和Xilinx都忽略了新興市場，他們正在研發(fā)的是功耗達到數(shù)十瓦的大型芯片，而Efinix的目標則是可能那些功耗只有一瓦但可以運行神經(jīng)網(wǎng)絡加速器的設備。Cheung表示“Altera和Xilinx只專注于高端市場，這樣他們永遠無法成為主流。”

雖然使用FPGA會比較昂貴，但Cheung表示其部件的開發(fā)成本比傳統(tǒng)FPGA要低得多，而且僅比更便宜的解決方案ASIC的成本高出約25％。

此外：谷歌表示人工智能的“指數(shù)”增長正在改變計算的本質(zhì)

正如Cheung在會議上所解釋的那樣，量子技術的關鍵在于構(gòu)成芯片的數(shù)千個計算“元素”。傳統(tǒng)的FPGA具有計算集群，可以執(zhí)行神經(jīng)網(wǎng)絡所需的“多重累積”等數(shù)學運算。它們依靠計算機周圍電線路由信號進行通信，但是這種設計就像棋盤一樣，當進行數(shù)據(jù)傳輸時很容易造成阻塞。

對于Efinix，每個集群都可以執(zhí)行計算或路由功能。這意味著芯片的各個區(qū)域可以根據(jù)需要進行處理和移動數(shù)據(jù)，就像在城市規(guī)劃中添加了新的道路，這就大大減輕了數(shù)據(jù)阻塞的風險。

和其他資金規(guī)模達到一億美元以上的公司相比，擁有40名員工的Efinix運營更加穩(wěn)健。到目前為止，該公司已經(jīng)獲得了2600萬美元的資金。他希望Efinix在19年有機會扭虧為盈。