初创公司融资困难,英伟达在AI芯片领域占据主导地位,投资额下降80%
9 月 12 日消息,多位投资者表示,英伟达已经在人工智能(AI)芯片制造领域夺得霸主地位,这令其潜在竞争对手在融资时遭遇更大挑战。
在今年第二季度,芯片领域创企在美国的融资交易数量较上年同期下降了 80%。

英伟达在芯片市场上占据主导地位,处理大量的语言数据。通过接触更多的数据,生成式人工智能模型会逐渐变得更加智能,这个过程被称为训练
随着英伟达在这个领域的强大崛起,那些试图与其竞争的芯片制造公司的处境变得越来越艰难。风险投资家们认为这些创业公司的风险更高,因此不愿意大量投资。将芯片设计推进到可运行原型阶段可能需要超过5亿美元的资金,因此投资者的撤资很快就会对初创公司的前景构成威胁
Eclipse Ventures合伙人格雷格·赖豪表示:“英伟达一直占据着主导地位,这让我们看到了进入这个市场的困难之处。这导致对该领域初创公司的投资减少,或者至少对其中许多公司的投资减少。”
数据库分析平台 Pitchbook 的数据显示,截至今年 8 月底,美国芯片初创企业已融资 8.814 亿美元。相比之下,2022 年前三个季度为 17.9 亿美元。截至 8 月底,交易数量从 23 宗降至 4 宗。英伟达拒绝就此置评。
根据科技网站The Register的报道,人工智能芯片初创公司Mythic共融资约1.6亿美元,但去年现金耗尽,几乎被迫停止运营。然而,在今年3月份,该公司成功地获得了新投资,尽管只有1300万美元
Mythic 首席执行官戴夫・里克(Dave Rick)表示,英伟达“间接”加剧了整个人工智能芯片行业的融资困境,因为投资者想要的是“投资巨大、回报丰厚的全垒打式投资”。然而,艰难的经济环境加剧了周期性半导体行业的低迷。
根据两位知情人士透露,一家名为Rivos的神秘初创公司最近在融资方面遭遇了困境。Rivos的主要目标是设计用于数据服务器的芯片
Rivos 的一位发言人表示,英伟达在市场上的主导地位并没有妨碍其融资努力,其硬件和软件“继续让我们的投资者感到兴奋”
目前,Rivos 正与苹果公司打官司,后者指控 Rivos 窃取知识产权机密,这加剧了其在融资方面的挑战。
投资者变得更苛刻
据消息人士透露,寻求融资的芯片初创公司正面临着投资者提出的更为苛刻的要求。这些投资者要求这些公司能够在几个月内发布或者已经推出销售的产品
大约两年前,对芯片初创企业的新投资通常是2亿或3亿美元规模。然而,根据PitchBook分析师布伦丹·伯克(Brendan Burke)的说法,现在这个数字已经下降到约1亿美元
至少有两家人工智能芯片初创公司通过大肆宣传潜在客户或与知名高管的关系,从而说服了投资者,打消了他们的顾虑。 改写后的内容:至少有两家人工智能芯片初创公司通过广泛宣传其与潜在客户或知名高管的关系,成功说服了投资者,消除了他们的疑虑
今年 8 月,为了筹集 1 亿美元,加拿大 AI 芯片初创公司 Tenstorrent 聘请了首席执行官吉姆・凯勒(Jim Keller)。凯勒是一位近乎传奇的芯片设计师,曾为苹果、AMD 和特斯拉设计过芯片。
硅谷人工智能芯片初创公司D-Matrix预计今年的收入不到1000万美元,但在上周成功筹集了1.1亿美元的资金。这一成就得益于微软的支持,以及这家Windows操作系统制造商承诺在D-Matrix明年推出新的人工智能芯片后对其进行测试
虽然这些在英伟达阴影下的芯片制造商处境艰难,但人工智能软件及相关技术领域的初创企业却没有面临同样的制约。PitchBook 的数据显示,截至今年 8 月,这些创企共获得了约 240 亿美元的融资。
尽管英伟达在人工智能计算领域占据主导地位,但该公司在该领域并非无懈可击。AMD 计划今年推出一款与英伟达竞争的芯片,而英特尔则通过收购获得了一款竞争产品,从而实现了跨越式发展。消息人士认为,从长远来看,这些芯片有可能成为英伟达芯片的替代品。
还有些相近的用例也可能为竞争对手提供机会。例如,为预测算法执行数据密集型计算的芯片是一个新兴的利基市场。英伟达并没有主导这一领域,而该领域的投资时机已经成熟。
广告声明:本文中包含对外跳转链接(包括但不限于超链接、二维码、口令等形式),旨在提供更多信息,节省筛选时间。然而,链接的结果仅供参考,请注意本站的所有文章都包含此声明
以上是初创公司融资困难,英伟达在AI芯片领域占据主导地位,投资额下降80%的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

开放LLM社区正是百花齐放、竞相争鸣的时代,你能看到Llama-3-70B-Instruct、QWen2-72B-Instruct、Nemotron-4-340B-Instruct、Mixtral-8x22BInstruct-v0.1等许多表现优良的模型。但是,相比于以GPT-4-Turbo为代表的专有大模型,开放模型在很多领域依然还有明显差距。在通用模型之外,也有一些专精关键领域的开放模型已被开发出来,比如用于编程和数学的DeepSeek-Coder-V2、用于视觉-语言任务的InternVL

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

小模型崛起了。上个月,Meta发布了Llama3.1系列模型,其中包括Meta迄今为止最大的405B模型,以及两个较小的模型,参数量分别为700亿和80亿。Llama3.1被认为是引领了开源新时代。然而,新一代的模型虽然性能强大,但部署时仍需要大量计算资源。因此,业界出现了另一种趋势,即开发小型语言模型(SLM),这种模型在许多语言任务中表现足够出色,部署起来也非常便宜。最近,英伟达研究表明,结构化权重剪枝与知识蒸馏相结合,可以从初始较大的模型中逐步获得较小的语言模型。图灵奖得主、Meta首席A

本站6月15日消息,华硕最新推出了Prime系列GeForceRTX40系列“Ada”显卡,其尺寸符合英伟达最新SFF-Ready规范,该规范要求显卡尺寸不超过304毫米x151毫米x50毫米(长x高x厚)。华硕本次推出的Prime系列GeForceRTX40系列包括RTX4060Ti、RTX4070和RTX4070SUPER,不过目前并不包含RTX4070TiSUPER或RTX4080SUPER。该系列RTX40显卡采用常见电路板设计,尺寸为269毫米x120毫米x50毫米,三款显卡的区别主要

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S
