根据新智元消息， 寒武纪科技（Cambricon Technologies Corporation Limited）已经完成 1 亿美元 A 轮融资。
由国投创业（A 轮领投方），阿里巴巴创投、联想创投、国科投资、中科图灵、元禾原点（天使轮领投方）、涌铧投资（天使轮投资方）联合投资；A 轮融资将用于推动寒武纪系列处理器在终端和云端的产品化和市场化，促进各类终端设备的智慧化，提供高性能低功耗的云端智慧处理解决方案。根据公开资讯，寒武纪科技在 A 轮融资后，或成全球 AI 芯片领域第一个独角兽公司。
寒武纪科技为中国科学院计算技术研究所（中科院计算所）背景，主营业务为 AI 芯片。官网显示，目前已经流片成功，拥有终端 AI 处理器 IP 和云端高性能 AI 芯片两条产品线。公司最主要的产品为 2016 年发表的寒武纪 1A 处理器（Cambricon-1A），是一款可以商用的深度学习专用处理器。目前已经衍生出 1A、1H 等多个型号。
人工智能快速发展、应用，尤其是神经网络的广泛应用，对于算力提出了更高的要求，传统 CPU 在进行神经网络运算方面的弊端显现，AI 芯片应用而生，也成为 AI 领域的热点。MarketsandMarkets 的数据显示，2022 年，全球深度学习市场的价值将达到 172.29 亿美元，复合增长率 65.3%。由于对执行深度学习算法高计算能力硬件平台需求的增长，2016 年至 2022 年之间硬件市场增长可观。
一般来说，大规模神经网络本质上是包含了矩阵乘积和卷积操作的大运算量函数。具体到训练，需要先定义一个包含回归问题的方差、分类时的交叉熵的代价函数，再数据分批传递进网络，根据参数求导出代价函数值，进而更新整个网络模型。这通常意味着至少几百万次的相乘处理，计算量巨大，处理速度很有可能受到影响。此外，神经系统网络越深，需要的训练时间越长，一些网络如果使用串行的 x86 处理器来训练，很可能需要几个月、甚至几年时间。因此，通用性高的 CPU 在运算方面的弊端开始逐渐显现。GPU、FPGA、ASIC、类脑芯片开始被做为可行的 AI 芯片方案被关注。
国外方面，巨头纷纷涉足，Intel 收购 Nervana、Altera，研究制造机器学习专用芯片；LeCun 透露，高通也在研制专门运行神经网络的芯片；NVIDIA 聘请了主攻人工智能芯片构建的 Clément Farabet，IBM 也在研发硬件结构与神经网络设计类似的芯片。面对强大的芯片需求，以软件见长的 Google 和微软也已涉足芯片制造行业，今年 CVPR 期间，微软公布了 AI 芯片制造计划；2016 年时，Google I /O 大会推出了 TPU 芯片，今年将向云端计算业务的客户出租该芯片的使用权。
中国方面，除了华为这样宣布研发 AI 芯片的大公司，也出现了深鉴、地平线、寒武纪、云天励飞等知名初创公司，并获得资本青睐。深鉴科技今年完成数千万美元的 A 轮融资，投资方包括赛灵思（Xilinx）、联发科（MediaTek）、清华控股、方和资本，早期投资方金沙江创投、高榕资本跟投，近期很可能完成新一轮融资；去年年中，地平线机器人公布融资，投资方包括双湖投资、青云创投和祥峰投资，晨兴、高瓴、金沙江、线性资本和真格基金等种子轮投资机构也继续追加了投资，融资金额不详，但业内人士普遍表示估值非常高。今年 3 月，云天励飞宣布获得数千万美元的 A 轮融资，投资方包括山水从容传媒投资有限公司、松禾资本、深投控、投控东海、红秀盈信等多家投资机构。
（本文由 36Kr 授权转载；首图来源：Flickr/A Health Blog CC BY 2.0）
