股價(jià)暴漲 185%，市值突破 1 萬億美元。
要說今年 AI 圈誰是最大贏家，相信英偉達(dá)肯定在列。
雖然已經(jīng)贏麻，但英偉達(dá)還是不甘于只做 GPU 扛把子，現(xiàn)在又瞄準(zhǔn)了另一個(gè)市場。
這一次的目標(biāo)是邊緣計(jì)算芯片。
據(jù) The information 披露，今年 2 月，英偉達(dá)已秘密收購人工智能初創(chuàng)公司 OmniML。
OmniML 是一家專注于專注于邊緣 AI 計(jì)算的初創(chuàng)公司，MIT 韓松是聯(lián)合創(chuàng)始人之一。
雖然今年 1 月，OmniML 才宣布與英特爾建立戰(zhàn)略合作伙伴關(guān)系，但也不耽誤英偉達(dá) 2 月立馬入局搞收割收購。
目前，OmniML 官方 LinkedIn 賬號(hào)已顯示歸屬英偉達(dá)，且在谷歌搜索官方網(wǎng)址 https://omniml.ai/，點(diǎn)擊后也是直接跳轉(zhuǎn)英偉達(dá)官網(wǎng)。
雖然消息不多，不過從這些跡象來看，收購一事，應(yīng)該是坐實(shí)了。
不甘只做 GPU 扛把子
今年 5 月，英偉達(dá)發(fā)布 2024 財(cái)年第一季度財(cái)報(bào)中，其單季度實(shí)現(xiàn)營收 71.9 億美元，并預(yù)測其第二季度的收入將達(dá)到 110.0 億美元。
手握芯片和資金英偉達(dá)，僅在今年 6 月就參與投資了三家生成式 AI 獨(dú)角獸，包括 Inflection AI、Runway 和 Cohere。
在宣布融資的同時(shí)，Inflection AI 表示，正在與英偉達(dá)合作構(gòu)建用于訓(xùn)練 AI 大模型的全球最大 GPU 集群之一。
數(shù)據(jù)顯示，英偉達(dá) 2022 年全年 PC GPU 出貨量達(dá) 3034 萬塊，是 AMD 的近 4.5 倍。截至 2022 年四季度，在獨(dú)立 GPU 市場，英偉達(dá)占據(jù) 84% 的市場份額，市值更是邁入萬億大關(guān)。
不過，雖已成 GPU 霸主，在邊緣計(jì)算芯片這塊，英偉達(dá)仍面臨一些尷尬局面。
比如，在近期的 MLPerf 測試中，尤其是邊緣計(jì)算這項(xiàng)，英偉達(dá)的 AGX Orin 在 ResNet 功耗效率上，均不敵初創(chuàng)公司 SiMa.AI。
根據(jù)測試結(jié)果，在單流這塊，SiMa.AI 的每幀能耗為英偉達(dá) AGX Orin 的 1.45 倍（數(shù)值越低越好），而 SiMa 的延遲也快了 27%。多流這邊，差距為 1.39 倍，延遲快了 22%。
SiMa.AI 是一家專注為機(jī)器人、汽車到照相機(jī)等設(shè)備開發(fā)芯片的初創(chuàng)企業(yè)，成立于 2018 年，迄今累計(jì)融資 2 億美元。
據(jù)內(nèi)部人士透露，這次英偉達(dá)搞收購，就是計(jì)劃用 OmniML 技術(shù)幫助客戶更快地開發(fā) AI 模型，來提高機(jī)器學(xué)習(xí)的準(zhǔn)確性和減少延遲率。
此前，OmniML 就曾公開表示正與自動(dòng)駕駛和智能相機(jī)等領(lǐng)域的客戶合作，打造基于人工智能的計(jì)算機(jī)視覺邊緣算法優(yōu)化平臺(tái)，以提高安全性和實(shí)時(shí)感知能力。
另外，英偉達(dá)近年業(yè)務(wù)也逐漸拓展至汽車 AI 芯片領(lǐng)域。
而邊緣計(jì)算恰好可以為工業(yè)機(jī)器人、自動(dòng)駕駛等領(lǐng)域提供低延遲、高安全性、離線運(yùn)行能力等保障。
這些舉動(dòng)都表明，英偉達(dá)此回目的很直接，就是搞邊緣計(jì)算 AI 芯片。
MIT 韓松聯(lián)創(chuàng)，主打邊緣計(jì)算
OmniML 成立于 2021 年，總部位于美國加利福尼亞，去年 3 月剛拿到 1000 萬美元種子輪。
去年 9 月公司發(fā)布的 Omniizer，就是一款可以通過彌合機(jī)器學(xué)習(xí)模型和邊緣硬件之間的差距，簡化和加速機(jī)器學(xué)習(xí)操作 (MLOps) 的平臺(tái)。
OmniML 有三位華人聯(lián)創(chuàng)，分別是公司首席執(zhí)行官吳迪博士，麻省理工學(xué)院電子工程和計(jì)算機(jī)科學(xué)系韓松教授、 首席技術(shù)官毛慧子博士。
其中，韓松是 MIT EECS 助理教授、原深鑒科技聯(lián)合創(chuàng)始人，本科畢業(yè)于清華大學(xué)，博士畢業(yè)于斯坦福大學(xué)，師從英偉達(dá)首席科學(xué)家 Bill Dally 教授，研究領(lǐng)域主要涉足深度學(xué)習(xí)和計(jì)算機(jī)體系結(jié)構(gòu)等。
此前，MIT 韓松教授團(tuán)隊(duì)就曾提出一種算法-系統(tǒng)協(xié)同設(shè)計(jì)框架，僅用 256KB 和 1MB 的內(nèi)存即可實(shí)現(xiàn)設(shè)備內(nèi)訓(xùn)練，且開銷不到 PyTorch 和 TensorFlow 的 1/1000。
刨除本身強(qiáng)大的科研背景，英偉達(dá)收購 OmniML，一方面肯定是希望加速布局 AI 市場。另一方面，或許也與韓松曾師從英偉達(dá)首席科學(xué)家 Bill Dally 教授不無關(guān)系。
由于都曾經(jīng)是一家人，因此這次的收購更顯得順理成章了。
參考鏈接：
[1]https://www.theinformation.com/articles/nvidia-acquired-ai-startup-that-shrinks-machine-learning-models?rc=riq8lb/
[2]https://www.eetimes.com/mlperf-inference-startups-beat-nvidia-on-power-efficiency/
[3]https://arxiv.org/abs/2206.15472
本文來自微信公眾號(hào)：量子位 （ID：QbitAI），作者：尚恩
廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。