挑战AI巨头 SambaNova更要走不一样的路

成立于2017年的美国人工智能(AI)芯片设计业者SambaNova Systems，希望透过具高效能与高精度的软硬件系统，协助有高度运算需求的企业与研究机构进行AI部署。

SambaNova将NVIDIA等AI业界巨头视为挑战目标，并认定NVIDIA以GPU为主的技术发展路径，跟不上AI最尖端的创新速度。除了持续提升产品的数据处理能力以外，建立长期性的客户关系，也是SambaNova竞争策略的重要一环。

SambaNova共同创始人兼CEORodrigo Liang直言，传统CPU与GPU架构已经到达运算上的瓶颈；面对网络出现以来的最大变革，为真正释放出AI的潜能，解决人类史上最艰钜的技术挑战，必须要有新的发展途径。

解决企业部署困境

IDC预期，2022年全球AI市场规模成长率将超过18%。SambaNova调查发现，约有78%的企业认定，AI与机器学习(ML)将是驱动2022年营收成长的重要动力；与此同时，却也有高达75%的企业，尚未有效提升AI与ML能力。

这种期望与实际情况出现显着落差的主要原因，包括现今的AI自动化仍有许多需要人工运作的地方。而SambaNova正在努力的目标，就是尽可能地减少人工程序以及随之而来的人为错误，并提升AI的易使用性。

除直接贩售芯片供客户运行客户自己的AI系统外，SambaNova的业务还包括AI芯片运算能力租借服务，并依据客户需求量身打造ML模型。SambaNova最具代表性的技术成果，便是数据流(Dataflow)架构；利用这种具扩展性的ML服务平台，客户可以指定配置，将核心(kernel)分配到一个或多个芯片上，或SambaNova数据中心的一个机架或多个机架上。

SambaNova亦针对不同客群推出不同服务模式：为小型企业提供数据流即服务(Dataflow-as-a-Service；DaaS)，减少客户的硬件采购与维护成本。若面对的是财力雄厚且有心深耕AI的企业客户，则SambaNova会透过数据平台协助对方打造新AI模型。

挑战语言模型难题

现有的GPT自回归语言模型，在发展上碰到不少难题，例如目前最先进的GPT-3，由OpenAI打造，拥有高达1,750亿个参数。若使用CPU与GPU来开发像GPT-3这样庞大的语言，不仅得花掉2年时间，而且需要自然语言处理(NLP)与ML专业技术人员来进行微调，部署门槛之高，一般企业实在难以企及。

此外，预先训练的GPT模型缺乏可扩展性，准确度亦不如人意，再加上传统技术运算效率不够高，根本不敷现有GPT模型使用。为促进企业应用普及，SambaNova推出自有的GPT，作为DaaS产品提供客户使用；在低程序码(low-code)应用程序界面的辅助之下，不仅易于实行、整合及使用，还有利于提升模型的准确性。

积极拓展全球市场

SambaNova脚步已遍及世界多地：美国阿贡国家实验室(ANL)透过SambaNova的DataScale系统所训练出的卷积神经网络(CNN)，拥有超过50k x 50k的分辨率。相较之下，先前ANL使用GPU训练出来的CNN，由于图像太大，因此分辨率只能降低50%。

匈牙利OTP银行与SambaNova合作打造的AI超级电脑，透过先进AI语言模型促进银行服务自动化的同时，也希望提升与银行营运相关的内部数据分析能力。OTP银行是中东欧地区最大金融服务业者之一，这套AI系统作为公共部门资源开放使用，有望带来跨国性的巨大影响力。

另外，看好日本公私部门大举投资AI带来的商机，SambaNova近日宣布进军日本市场，希望助力日本打造AI基础建设、实现成为全球最先进数码国家的梦想。

责任编辑：朱原弘