独家：美国AI芯片明星创企申请破产保护！Wave中国区全部关闭

芯东西（ID：aichip001）
文 | 心缘

芯东西4月20日消息，据外媒Semiwiki报道，美国AI芯片公司Wave Computing接近倒闭，已申请破产保护。

芯东西第一时间向该公司一位负责人采访得知，Wave Computing并非倒闭，只是申请破产保护，进行资产重组，也并未解雇所有员工，但中国区已全部关闭。Wave Computing原本有近40多中国区员工，目前只剩几位，影响不大。

Wave Computing在2010年成立于美国加利福尼亚坎贝尔，是人工智能（AI）芯片领域被看好的新兴公司之一，专注于通过基于数据流驱动（dataflow）技术、以及实现dataflow技术的软件可动态重构处理器（CGRA）架构，突破AI芯片性能和通用性的瓶颈，加速从数据中心到边缘的AI深度学习计算。

2018年6月，Wave Computing收购老牌半导体IP公司MIPS，计划通过将它的数据流架构与它的MIPS嵌入式RISC多线程CPU核心和IP相结合，为下一代AI提供了动力。

一、半年两换CEO

Wave Computing由Dado Banatao和Pete Foley创立。Banatao任董事长，也是Tallwood Venture Capital的创始人和管理合伙人。

该公司在2018年12月宣布完成8600万美元E轮融资，累计融资金额已超过2亿美元。

去年Wave Computing两度换任CEO，其现任CEO为Sanjai Kohli，于2019年9月从只任职4个月的Art Swift手中接任CEO一职。

▲Wave Computing前CEO Art Swift

当EE Times采访Swift，问及为什么离开Wave时，Swift拒绝透露详情，只回应称：“我在短期筹资策略上与（Wave）的董事会意见不一致。”

Wave新任CEO Kohli曾是多家初创公司的创始人和CTO，其中包括SiRF（IPO，后来被CSR收购）、WirelessHome（已被WMUX收购）、TruSpan（已被SiRF收购）和Inovi（已被Facebook收购）。据熟悉他的人士称，Kohli在GPS和电信领域是知名的技术专家，但在AI领域未必如此。

▲Wave Computing现CEO Sanjai Kohli

有分析师认为，Wave的AI数据流处理器未见得会比英伟达或Graphcore好太多，除非Wave有很大的优势，否则难以吸引别人冒险使用其产品，以及让投资人继续注资。

二、比GPU更灵活的创新架构

Wave Computing提供从数据中心到边缘的系统、芯片、IP、解决方案服务的广泛产品线，研发出基于软件可动态重构处理器CGRA（Coarse grain reconfigurable array/accelerator）架构的AI芯片DPU（dataflow processing unit）。

当前主流AI芯片架构有CPU、GPU、FPGA、ASIC等。CPU、GPU、FPGA对于不同神经网络具备一定通用性，主要缺点在于，无论是系统架构本身，还是说数据传输通道及交换容量不足的问题等，都会导致其效率相对而言较低，实际能效遇到瓶颈。

专用芯片ASIC通常基于DSA（domain specific architecture）的技术思路，即针对特定应用领域优化的处理器架构，包括谷歌TPU在内的很多跨界造芯玩家均采用这种思路。相比通用芯片，这种解决方案能显著提高特定应用的能效，但它在通用性上的不足会导致其面对不同算法时，能效表现千差万别。

还有一类新兴的架构是软件可动态重构计算（或者说“软件定义芯片”）。这也是清华大学微电子所所长、中国半导体行业协会IC设计分会理事长魏少军教授带领的团队早在十年前就开始研究的技术。

这类技术流派通过软件实时动态地控制成千上万个异步的处理器来构成具有特定功能的、并行处理的、数据驱动的计算流水线，最充分使用芯片的算力，最大程度减少数据存储、传输和交换，实现较好的效率、通用性和可扩展性。

CGRA适用于大规模异步并行计算问题，其主要优势是使得硬件更加灵活地适配于软件，降低AI芯片开发门槛。相较CPU、GPU和FPGA，CGRA在可编程性和性能方面达到很好的综合平衡，能效可接近ASIC水平。

相比编程难度大的FPGA，CGRA支持C、Python、JAVA等高级程序设计语言，更方便程序员们上手。

早在2014-2015年，Wave Computing意识到CGRA非常适用于实现数据流驱动dataflow技术架构，其AI芯片DPU（Dataflow Processing Unit）的产品方向至此确立。

基于dataflow技术架构芯片DPU的解决方案不仅适用于数据中心，在边缘计算方面也有独特的价值。一方面，AI对边缘处理的能力要求越来越高；另一方面，AI不再只是单一模型的处理，需要同时支持多个不同的神经网络，对处理器的通用性和能效的要求更高。

（编辑：555手机网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!