Protocol 報導稱：機器學習（ML）所需的原始算力，極大地推動了計算機芯片行業的蓬勃發展，最終讓該領域的投資在過去五年裡翻了一番。人工智能（AI）市場領導者英偉達估計—— 每個兩年，大多數ML / AI 任務的算力需求就會增長25 倍。而最先進的自然語言處理（NLP）模型，甚至需要高達275 倍的算力提升。

資料圖（via Nvidia）

相比之下，摩爾定律對台式機/ 服務器上使用的中央處理器的性能預測，也只是每兩年翻一番。

計算能力需求的大幅增長，助推英偉達成為了美國最有價值的芯片公司，因其圖形芯片和軟件堆棧可被高效地用於機器學習類應用。

與此同時，行業繁榮也為許多AI 芯片初創企業帶來了更多的機會。比如Celesta Capital 創始人合夥人Nicholas Brathwaite 就在接受采訪時稱：

隨著這些AI 工作負載開始擴張，其為初創企業提供了視同專用半導體設備的機會。與通用型設備相比，這些專用設備能夠更好地滿足特定需求。

（圖自：Pitchbook，via Protocol）

PitchBook 數據指出，去年全球AI 芯片銷售額飆漲60% 至359 億美元。而手機中的專用AI 芯片，貢獻了其中大約一半。

預計到2024 年，市場的年增長率將略高於20%（達到649 億美元）。此外Allied Market Research預測，到2030 年的時候，這一數字或上升至1949 億美元。

長期芯片行業觀察家、兼富達投資組合經理Adam Benjamin 在接受Protocol 採訪時稱：

隨著人工智能主題概念的興起，半導體投資組合迎來了這樣的複蘇。重點在於這需要大筆資金投入，而且除了公共領域，私有資金也有大量涉足。

（數據來自：PitchBook，via Protocol）

在2015 年之前，只有少數風投人士意識到AI 帶來的巨大機遇，且對資助芯片公司的整體興趣並不大。一方面是因為半導體製造成本高昂，新廠建設動要數百億美元的投資。

想要打造一款先進的處理器，前期投入可輕鬆突破500 萬美元。即使將芯片外包給台積電等代工廠，也動輒需要3000~4000 萬美元的資金，更何況芯片設計人才相當稀缺。

好消息是，現時行業已經迎來了巨大的轉變。正如Benjamin 所述，即使芯片開發成本依然高企、需要更多風投資金來推動起步，但行業趨勢已不再讓廣大投資者望而卻步。

參考PitchBook 提供的數據，半導體公司風投較2017 年增加了一倍多。在去年18 億美元的基礎上，今年還有望進一步攀升。截止4 月初，融資規模已接近10 億美元。