11月18日消息，近日，美国初创公司Blaize首次发声，推出了图形流处理器（Graph Streaming Processor，简称GSP），一种专门为AI应用程序提供动力的芯片，定位是替代当今机器学习项目中常用的图形处理单元和中央处理单元。Blaize的前身是ThinCI，2010年成立于美国，公司更名前后均专注于汽车、智能视觉和企业计算市场等领域的AI技术研发。Blaize目前进行了两轮共1亿5200万美元的融资，在全球拥有320余名员工。就在当天凌晨，英特尔也推出了用于AI和机器学习的芯片。据了解，Blaize联合创始人兼CEO Dinakar Munagala曾在英特尔担任工程师十余年。以下是Venturebeat对此次Blaize发布新产品报道的原文编译。

    一、看准需求大胆进军AI芯片市场  

▲图片来源于Blaize官网

对于提升AI工作效率的定制化芯片的需求正在呈现爆发式增长，而像Hailo Technologies、Graphcore和Untether AI等初创公司大量筹集金并投入这一领域的种种举措也恰恰印证了这一点。

激烈的竞争并没吓退Blaize（以前的ThinCI）——一家希望通过新推出的图形流处理器在竞争中脱颖而出的公司。这家拥有9年历史的初创企业所宣称的的片上系统（system-on-chip）性能令人印象深刻，这也是为什么他们可以从汽车零部件制造商Denso在内的投资者们那里筹集了近1亿美元的原因。

Blaize今天在蛰伏中爆发（emerged from stealth），一举从Denso、Daimler、SPARX Group、Magna、三星Catalyst Fund、Temasek、GGV Capital等战略和风险投资者的几轮融资中筹集了8,700万美元；上一轮融资于2018年9月结束，总额为6500万美元。

    二、性能大幅提升的同时兼顾小尺寸低成本  

Blaize最初专注于视觉处理器（vision processors），一种用于加速视觉、雷达和传感器融合任务的芯片。后来他们的业务扩展到数据中心、边缘基础设施设备和企业客户端设备等领域。

Blaize声称其GSP是首批支持在单个系统上同时执行多个AI模型和工作流的芯片，同时支持一系列异构计算密集型（heterogeneous compute-intensive）工作负载。这些芯片是完全可编程的，并具有简化的处理管线（processing pipeline），在减小了尺寸并降低成本的同时，可以将板级和系统级（board and system level）的原始性能、延迟和能效提高10到100倍。

Blaize联合创始人兼CEO Dinakar Munagala提到，“Blaize的愿景是通过对软件和处理器的基础架构进行重新思考，更好地计算未来的工作量（compute the workloads of the future）。” “我们看到了客户对于可以解决当下迫切需求的新计算方案的渴望，他们需要新的计算方案在新兴的AI时代协助他们突破传统计算在功能、复杂性、成本等方面的限制。”

    三、图形本地化架构适应多种运行场景  

Blaize的GSP是如何实现速度提升的呢？通过“100％图形本地化（graph-native）”硬件。神经网络是一种特殊的机器学习算法，包含称为节点（nodes）的互连单元，节点的集合称为层（layer）。

神经网络接收数值输入并将这些输入值乘以权重，然后再将它们传递给激活函数（activation function），该函数定义了节点的输出。在图论（graph theory）中，图（Graphs）还包含了节点，也称为顶点或点（vertices or points），这些节点通过边、链接或线（edges、links or lines）连接。

Blaize的芯片所采用的图形本地化结构，利用图形计算模型和动态流机制（dynamic streaming mechanism）来最大程度地减少非计算数据的移动。开发人员可以在运行前，在单一架构上构建多个神经网络和工作流。

除此之外，通过使用Blaize Picasso软件，可以构建集成非神经网络功能（integrate non-neural network functions），例如图像信号处理网络，所有这些网络功能均以图形表示。

Blaize表示，他们的产品已用于商业和消费者应用程序中的数据中心服务器、边缘基础架构平台和客户端平台，从大型机器学习到传感器融合，以及用于自动驾驶的高级神经网络。

天使投资人和前英特尔执行副总裁David Perlmutter表示，“Blaize及其领先的图形流处理器的问世让我们很兴奋。”“作为Blaize的初始投资者，我很早就认识到第一个推出完整的、从零开始设计的、针对人工智能和神经网络应用进行完善优化的解决方案所能带来的巨大效率。”

“这种空前的效率提升非常适合各种边缘应用，尤其是汽车市场。我为团队兑现承诺感到自豪。”

    结语：GSP流计算架构为AI芯片市场注入新活力  

常见的AI处理器只能在一种环境（如数据中心）中运行，但是Blaize的定制化芯片具有一定的通用性，可以为多种类型的系统提供动力。这为他们在数据中心、自动驾驶和计算机视觉等领域的竞争提供了便利。并且据官方消息称，已经初步实现商用，获得一些早期订单交易，积累了一定的客户。

据IDC数据显示，随着人工智能不断渗透各行各业，到2023年，人工智能系统市场预计将达到979亿美元。而因此催生的产品AI功能需求，将为半导体行业带来343亿美元的收入机会。

中国的华为、美国的英伟达、英特尔都瞄准了AI芯片市场，并持续发力。期待此次Blaize的加入会为这场AI芯片激战注入新的活力。