文丨Congerry
在这波人工智能热潮中，英伟达不仅是最火的芯片厂商，也是最活跃的企业风投之一。
根据 PitchBook 的数据，仅去年一年英伟达就投资了 30 多家初创公司。现在，英伟达可能成为最活跃的人工智能初创企业收购者之一。
根据The Information报道，Nvidia 最近达成了两项收购以色列人工智能初创公司的协议，其中一项是周三宣布的 Run:ai，另一项是尚未宣布的 Deci。
这两笔交易旨在降低英伟达人工智能芯片运行成本，从而吸引更多企业客户采用其产品，并进一步巩固其在AI芯片市场的领先地位。
就在昨天，黄仁勋将全球第一台 DGX H200，亲手交付给 OpenAI。
Run:ai，让GPU资源利用率最大化
Run:ai成立于2018年，总部位于以色列特拉维夫，致力于通过软件层来优化GPU等AI加速芯片的利用率。该公司的Kubernetes管理平台能够将GPU等资源虚拟化，动态调度和分割，实现负载并行运算、资源共享和高效利用。
不同于CPU，GPU很难像虚拟化CPU那样进行细粒度资源划分和调度。目前大多数GPU在机器学习任务中都倾向于以整机独占方式运行，利用率较低。
Run:ai技术可打破这一格局，将整块GPU切分成多个小分区分配给不同任务，避免出现资源浪费的情况。
Run:ai平台与Kubernetes深度集成，用户可在其中集中管理计算资源池、动态调度任务、监控资源利用情况。同时，Run:ai也与Nvidia AI软硬件产品高度兼容，包括NGC容器、DGX系统等。
该公司此前已获Tiger Global、Insight Partners等机构的1.18亿美元融资，约有150名员工。据以色列媒体报道，Nvidia此次以7亿美元的价格全资收购了Run:ai。
Deci:AI，模型瘦身以节省算力成本
与Run:ai从资源管理层面优化AI算力利用不同，Deci则着眼于AI模型本身，通过模型压缩等技术降低算力需求。Deci可对CUDA架构开发的机器学习模型进行优化，使计算更高效、成本更低。
大型语言模型、计算机视觉等AI模型往往存在计算量巨大、部署困难的问题。Deci的自动化优化技术可以让同一模型在计算性能方面达到理想水平，但内存、存储和能耗需求大幅降低，从而节省算力成本。该公司曾为包括Adobe、应用材料(Applied Materials)等企业提供服务。
Deci成立于2017年，去年估值超过1亿美元。英伟达收购该公司有望将其技术与Run:ai、OmniML(2022年收购)技术融合，打造一个让AI开发者轻松构建高性能、低成本人工智能应用的端到端系统。
此外，两家公司高效AI芯片技术的获得，也让英伟达可以更好服务那些原本觉得其GPU成本偏高的企业客户。
目前尚无法得知 Deci 的收购价格。据LinkedIn称，这家特拉维夫初创公司已从Insight Partners、Emerge和Square Peg Capital等投资者那里筹集了5500万美元的风险投资，拥有约100名员工。
加码AI芯片应对新兴厂商挑战
想分AI芯片市场这块蛋糕的，不止英伟达一家。
谷歌、OpenAI、微软等科技巨头在AI芯片领域的渗透，让英伟达在自家主场面临了来自新兴玩家Cerebras、Graphcore等的挑战。
这些新兴公司均专注于人工智能专用芯片，设计目的是超越通用GPU芯片在部分AI场景下的计算效率。
例如Graphcore将定制化张量加速芯片运用在大型语言模型计算场景。此外，这些AI芯片新贵还获得了红杉资本、阿布扎比增长基金等机构超过60亿美元的资金支持。
尽管Nvidia GPU在通用AI计算能力方面仍占优势，但这些新兴厂商正成为挑战者，迫使英伟达加大创新力度。收购Run:ai和Deci正是其AI芯片领域两手并重的重要一步。
此前据报道，为寻找收购标的，英伟达高层曾征求多家风投公司建议，邀请十多家前景看好的AI创业公司做路演。经过评估后，Run:ai和Deci最终入选，这两笔并购将进一步强化英伟达在AI生态系统的控制力。
Run:ai的Kubernetes虚拟化技术将与Nvidia DGX云服务深度集成，开发者可更高效利用算力资源；Deci的优化技术将为Nvidia CUDA生态中的AI应用提供动力。这些举措无疑有助于扩大Nvidia GPU在AI界的应用，并防范潜在竞争对手。
然而，降低AI计算成本只是英伟达发力AI芯片市场的一个出发点。随着人工智能模型和算法的快速更新迭代，对硬件算力的需求也在不断攀升，这要求英伟达在芯片设计和制造工艺层面不断创新升级。同时，其他硬件厂商也纷纷加码AI芯片，长期竞争才刚刚开始。
除了算力，人工智能模型训练所需的巨量数据和能源也是制约因素。以ChatGPT等大型语言模型为例，其训练时耗费的算力和电力惊人，也产生大量碳排放。如何在确保AI芯片算力的同时，降低环境足迹，是企业和学术界亟待解决的难题。
不过，Run:ai和Deci帮助企业降低AI成本的可行途径，至少在当前阶段提供了暂时的缓解之策。随着更多创新技术的涌现，人工智能计算的效率有望继续提高，人工智能在现实世界中的应用前景将更加广阔。