【AI人工智慧】AI公司-寒武紀科技

【AI人工智慧】AI公司-寒武紀科技

更新於 發佈於 閱讀時間約 3 分鐘
寒武紀科技

寒武紀科技

人工智慧的演算法,往往伴隨著大量的運算,為了滿足這樣一個需求,不少公司即推出了許多不同的解決方案,有些公司可能著手於軟體演算法的優化,而有些則是從硬體架構來改善此問題。在眾多硬體改良方案中,將AI的算法實作於晶片上就是一個非常受歡迎的方法之一,今天我們就來介紹一家在AI晶片非常有名的新創公司─寒武紀科技(Cambricon Technologies Corporation Limited)

寒武紀科技於2016年從中科院創立,他是由陳天石、陳雲霽兄弟倆共同創辦之公司,就如同寒武紀大爆發的時代(*)那樣,他們認為人工智慧接下來將進入大爆發的時代,這也是為什麼他們倆將公司取名為”寒武紀”。他們團隊成員臥虎藏龍,不只包括了許多中科院的精英,甚至曾經參與過中國第一個通用CPU龍芯一號的核心開發人員也加入了他們的行列,實力真的不容小覷阿!

2017 年 8 月份,寒武紀科技獲得 1億美元的 A 輪融資,投資方包含國投創業、阿里巴巴、聯想等知名機構,此時的他們估值已經接近10億美元了。而在今年(2018年)6月完成了B輪融資,估值達到了25億美元,,成為全球第一家智慧晶片領域的獨角獸公司。

寒武紀科技期望成為全球第一個量產商業人工智能晶片的公司,期望藉由高性能的AI晶片讓客戶可以做更多複雜的應用,例如2017年華為發佈的Mate 10手機,內部的”麒麟970”晶片,就內建寒武紀NPU IP(*)的授權,相較於傳統的處理器,此晶片效能達到25~50倍效能之提升,同時也是號稱全世界第一款搭載AI處理器的手機,這也象徵著AI未來在手機端上可以擁有更多的應用。

在未來,我相信隨著AI晶片的興起,運算資源在各種情況下越來越不是問題,這個時候AI的應用將會被大量普及到許多的地方,所有產業也將會有一番新的面貌!

  • 在” 寒武紀”的時代,無脊椎動物大量的在短時間內出現,象徵著”生命大爆發”的一個時期
  • NPU(Neural-network Processing Unit)中文叫作神經網路處理器,即針對類神經網路做過優化之晶片

*本文由知名AI講師-Isaac Lee 李厚均所撰寫
文章轉載自我們共同經營的粉絲頁-小李談數智https://www.facebook.com/isaac60103

更多圖解內容可以到 耀西圖像視覺化教室看看https://www.facebook.com/YoshiGraphics

avatar-img
Liao Yoshi的沙龍
12會員
33內容數
留言
avatar-img
留言分享你的想法!
Liao Yoshi的沙龍 的其他內容
今天我們來介紹一家非常有名的AI獨角獸,商湯科技(SenseTime)。 這是家由香港中文大學工程學院團隊所組成的公司,也被稱為是博士密度最高的AI公司,成立的時間僅短短的4年,就擁有超過400家的企業成為他們合作夥伴,在規模及市佔率上面完全不遜於許多大型科技公司,實力不容小覷...
隨著網路以及數位化的興起,資料比以往更加的容易傳播以及儲存,過去使用者總是需要主動式的去獲取重要的資訊,然而,現在每天數以萬計的海量資料,我們是否已經漸漸變成被動式的接收各種重要或不重要的資訊了呢?
而在非監督式學習裡面,有一個種類的學習應用場景非常的特殊,它能夠幫助我們尋找資料之間隱藏的規則,協助我們去做商業決策,這就是我們今天想來談談的主題─關聯規則學習(association rule learning)...
強化學習(Reinforcement learning)是機器學習的一個分支,它被廣泛應用於博奕、控制學、金融等多個領域,其概念主要是藉由讓智能體與環境做互動,並在過程中給予正負向的回饋來讓電腦不斷修正行為,進而學會做動態之決策...
在機器學習裡面,為了要追求更好的表現,我們除了要選出最適當的演算法來應對不同場景外,同時,在將原始資料蒐集好後,我們該如何從中萃取出重要且有用的資訊,是非常重要的一件事情,這就是所謂的”特徵工程”,今天我們就來針對這個主題談談吧...
隨著FinTech熱潮興起,人工智慧如何應用在金融領域往往是許多人關注的焦點之一。由於金融業的資料量非常的大,使得能導入的應用也非常多元,今天我們來介紹一個AI在金融領域之應用:機器人理財。
今天我們來介紹一家非常有名的AI獨角獸,商湯科技(SenseTime)。 這是家由香港中文大學工程學院團隊所組成的公司,也被稱為是博士密度最高的AI公司,成立的時間僅短短的4年,就擁有超過400家的企業成為他們合作夥伴,在規模及市佔率上面完全不遜於許多大型科技公司,實力不容小覷...
隨著網路以及數位化的興起,資料比以往更加的容易傳播以及儲存,過去使用者總是需要主動式的去獲取重要的資訊,然而,現在每天數以萬計的海量資料,我們是否已經漸漸變成被動式的接收各種重要或不重要的資訊了呢?
而在非監督式學習裡面,有一個種類的學習應用場景非常的特殊,它能夠幫助我們尋找資料之間隱藏的規則,協助我們去做商業決策,這就是我們今天想來談談的主題─關聯規則學習(association rule learning)...
強化學習(Reinforcement learning)是機器學習的一個分支,它被廣泛應用於博奕、控制學、金融等多個領域,其概念主要是藉由讓智能體與環境做互動,並在過程中給予正負向的回饋來讓電腦不斷修正行為,進而學會做動態之決策...
在機器學習裡面,為了要追求更好的表現,我們除了要選出最適當的演算法來應對不同場景外,同時,在將原始資料蒐集好後,我們該如何從中萃取出重要且有用的資訊,是非常重要的一件事情,這就是所謂的”特徵工程”,今天我們就來針對這個主題談談吧...
隨著FinTech熱潮興起,人工智慧如何應用在金融領域往往是許多人關注的焦點之一。由於金融業的資料量非常的大,使得能導入的應用也非常多元,今天我們來介紹一個AI在金融領域之應用:機器人理財。