新興企業は資金調達が困難、エヌビディアがAIチップ分野を独占、投資額は80%減少
9 月 12 日のニュースによると、多くの投資家は、Nvidia が人工知能 (AI) チップ製造の分野で優位性を獲得しており、そのため潜在的な競合他社は資金調達においてより大きな課題に直面していると述べています。
今年第2四半期、米国のチップ新興企業への融資取引件数は、前年同期と比べて80%減少した。

NVIDIA は、膨大な量の言語データを処理して、チップ市場を支配しています。生成 AI モデルは、トレーニングと呼ばれるプロセスにより多くのデータにさらされることで徐々に賢くなっていきます。Nvidia がこの分野で強力なプレーヤーとして台頭するにつれ、それに対抗しようとするチップ製造会社にとって状況はますます困難になってきています。ベンチャーキャピタリストは、これらの新興企業はリスクが高いと考えており、多額の資金を投資することに消極的です。チップ設計を実用的なプロトタイプ段階に進めるには、5 億ドル以上の資金が必要になる可能性があるため、投資家の撤退はすぐにスタートアップの見通しを脅かす可能性があります
Eclipse Ventures パートナーの Greg Reihau 氏は次のように述べています。データベース分析プラットフォームのピッチブックのデータによると、今年8月末の時点で、米国のチップ新興企業は8億8,140万米ドルを調達している。これに対し、2022 年の最初の 3 四半期は 17 億 9,000 万ドルでした。取引件数は8月末までに23件から4件に減少した。エヌビディアはコメントを控えた。
テクノロジーウェブサイトのThe Registerの報道によると、人工知能チップのスタートアップであるMythicは総額約1億6,000万米ドルを調達したが、昨年資金が底をつき、事業停止に追い込まれそうになった。しかし、今年3月、同社はわずか1,300万ドルではあるが、新たな投資を確保することに成功した
Mythic CEOのDave Rick氏は、投資家が「間接的に」資金調達のジレンマを悪化させたのは、投資家が人工知能チップ業界全体の危機を招いたと述べた。巨額の投資と巨額のリターンをもたらすホームラン投資です。」しかし、厳しい経済環境により、周期的な半導体業界の低迷がさらに悪化しました。
この件に詳しい2人の関係者によると、Rivosと呼ばれる謎の新興企業が最近資金調達で困難に直面しているという。 Rivos の主な目標は、データ サーバーで使用するチップを設計することです
Rivos の広報担当者は、市場における Nvidia の優位性が同社の資金調達努力に支障を来しておらず、同社のハードウェアとソフトウェアは「引き続き投資家を興奮させ続けている」と述べました
現在、Rivos はは、リボスが知的財産の機密を盗み、資金調達の問題を悪化させたとしてアップルと法廷闘争を行っている。
投資家の要求はますます厳しくなっている
情報筋によると、資金調達を求める半導体スタートアップ企業は、投資家からのより厳しい要求に直面しているという。これらの投資家は、企業が数カ月以内に発売できる製品、またはすでに発売済みの製品を求めている。約2年前、チップ新興企業への新規投資の規模は通常2億ドルか3億ドルだった。しかし、PitchBook のアナリスト、ブレンダン・バーク氏によると、その数字は現在約 1 億ドルにまで下がっています
少なくとも 2 社の AI チップスタートアップが、潜在的な顧客を誇大宣伝したり、著名な経営陣との関係を協力したりして、潜在的な顧客に売り込みを行っており、それによって投資家を説得し、投資家への不満を払拭しました。懸念事項。 書き換えられた内容: 少なくとも 2 つの人工知能チップのスタートアップ企業が、潜在的な顧客や著名な経営者との関係を広く公表することで投資家を説得し、安心させることに成功しました
今年 8 月、1 億ドルを調達するために、カナダの AI チップのスタートアップ企業 Tenstorrent がCEOにジム・ケラーを採用。ケラー氏は、Apple、AMD、Tesla 向けのチップを設計した、ほぼ伝説的なチップ設計者です。
シリコンバレーの人工知能チップの新興企業D-Matrixは、今年の収益が1000万米ドル未満になると予想しているが、先週1億1000万米ドルの資金調達に成功した。この成果は、Microsoft のサポートと、来年発売される D-Matrix の新しい AI チップをテストするという Windows オペレーティング システム メーカーの取り組みのおかげで実現しました
Nvidia の影にあるこれらのチップメーカーは苦戦していますが、人工知能ソフトウェアと関連テクノロジーの新興企業は同じ制約に直面しないでください。 PitchBookのデータによると、これらのスタートアップ企業は今年8月の時点で約240億ドルの融資を受けている。
Nvidia は人工知能コンピューティングの分野で優位に立っていますが、この分野では同社が無敵というわけではありません。 AMDは今年、Nvidiaに対抗するチップを発売する予定だが、Intelは買収を通じて競合製品を獲得することで飛躍的に成長した。情報筋は、長期的にはこれらのチップが Nvidia チップの代替となる可能性があると信じています。
競合他社に機会を提供する可能性のある同様のユースケースもいくつかあります。たとえば、予測アルゴリズムのためにデータ集約型の計算を実行するチップは、新興のニッチ市場です。 Nvidia がこの分野を独占しているわけではなく、投資の機が熟した分野です。
広告文: この記事には、より多くの情報を提供し、上映時間を節約することを目的とした外部ジャンプ リンク (ハイパーリンク、QR コード、パスワードなどを含むがこれらに限定されない) が含まれています。ただし、リンクされた結果は参照のみを目的としており、このサイトのすべての記事にこの声明が含まれていることにご注意ください
以上が新興企業は資金調達が困難、エヌビディアがAIチップ分野を独占、投資額は80%減少の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

オープンな LLM コミュニティは百花繚乱の時代です Llama-3-70B-Instruct、QWen2-72B-Instruct、Nemotron-4-340B-Instruct、Mixtral-8x22BInstruct-v0.1 などがご覧いただけます。優秀なパフォーマーモデル。しかし、GPT-4-Turboに代表される独自の大型モデルと比較すると、オープンモデルには依然として多くの分野で大きなギャップがあります。一般的なモデルに加えて、プログラミングと数学用の DeepSeek-Coder-V2 や視覚言語タスク用の InternVL など、主要な領域に特化したいくつかのオープン モデルが開発されています。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

小型モデルの台頭。先月、Meta は Llama3.1 シリーズのモデルをリリースしました。これには、Meta のこれまでで最大のモデルである 405B モデルと、それぞれ 700 億と 80 億のパラメータを持つ 2 つの小型モデルが含まれています。 Llama3.1 は、オープンソースの新時代の到来を告げるものと考えられています。ただし、新世代モデルはパフォーマンスが強力ですが、導入時には依然として大量のコンピューティング リソースが必要です。したがって、多くの言語タスクで十分なパフォーマンスを発揮し、導入コストも非常に安価な小規模言語モデル (SLM) を開発するという別の傾向が業界に現れています。最近、NVIDIA の研究では、構造化された重み枝刈りと知識の蒸留を組み合わせることで、最初は大きなモデルから徐々に小さな言語モデルを取得できることが示されました。チューリング賞受賞、メタチーフA

6 月 15 日のこのサイトのニュースによると、ASUS は最近、Prime シリーズの GeForce RTX40 シリーズ「Ada」グラフィックス カードを発売しました。そのサイズは、Nvidia の最新の SFF-Ready 仕様に準拠しています。この仕様では、グラフィックス カードのサイズが超えないようになっています。 304 mm x 151 mm x 50 mm (長さ x 高さ x 厚さ)。今回ASUSが発売するPrimeシリーズのGeForceRTX40シリーズにはRTX4060Ti、RTX4070、RTX4070SUPERが含まれますが、現時点ではRTX4070TiSUPERやRTX4080SUPERは含まれません。このシリーズの RTX40 グラフィックス カードは、269 mm x 120 mm x 50 mm の寸法を持つ共通の回路基板設計を採用しています。3 つのグラフィックス カードの主な違いは次のとおりです。

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究
