股价暴涨 185%，市值突破 1 万亿美元。
要说今年 AI 圈谁是最大赢家，相信英伟达肯定在列。
虽然已经赢麻，但英伟达还是不甘于只做 GPU 扛把子，现在又瞄准了另一个市场。
这一次的目标是边缘计算芯片。
据 The information 披露，今年 2 月，英伟达已秘密收购人工智能初创公司 OmniML。
OmniML 是一家专注于专注于边缘 AI 计算的初创公司，MIT 韩松是联合创始人之一。
虽然今年 1 月，OmniML 才宣布与英特尔建立战略合作伙伴关系，但也不耽误英伟达 2 月立马入局搞收割收购。
目前，OmniML 官方 LinkedIn 账号已显示归属英伟达，且在谷歌搜索官方网址 https://omniml.ai/，点击后也是直接跳转英伟达官网。
虽然消息不多，不过从这些迹象来看，收购一事，应该是坐实了。
不甘只做 GPU 扛把子
今年 5 月，英伟达发布 2024 财年第一季度财报中，其单季度实现营收 71.9 亿美元，并预测其第二季度的收入将达到 110.0 亿美元。
手握芯片和资金英伟达，仅在今年 6 月就参与投资了三家生成式 AI 独角兽，包括 Inflection AI、Runway 和 Cohere。
在宣布融资的同时，Inflection AI 表示，正在与英伟达合作构建用于训练 AI 大模型的全球最大 GPU 集群之一。
数据显示，英伟达 2022 年全年 PC GPU 出货量达 3034 万块，是 AMD 的近 4.5 倍。截至 2022 年四季度，在独立 GPU 市场，英伟达占据 84% 的市场份额，市值更是迈入万亿大关。
不过，虽已成 GPU 霸主，在边缘计算芯片这块，英伟达仍面临一些尴尬局面。
比如，在近期的 MLPerf 测试中，尤其是边缘计算这项，英伟达的 AGX Orin 在 ResNet 功耗效率上，均不敌初创公司 SiMa.AI。
根据测试结果，在单流这块，SiMa.AI 的每帧能耗为英伟达 AGX Orin 的 1.45 倍（数值越低越好），而 SiMa 的延迟也快了 27%。多流这边，差距为 1.39 倍，延迟快了 22%。
SiMa.AI 是一家专注为机器人、汽车到照相机等设备开发芯片的初创企业，成立于 2018 年，迄今累计融资 2 亿美元。
据内部人士透露，这次英伟达搞收购，就是计划用 OmniML 技术帮助客户更快地开发 AI 模型，来提高机器学习的准确性和减少延迟率。
此前，OmniML 就曾公开表示正与自动驾驶和智能相机等领域的客户合作，打造基于人工智能的计算机视觉边缘算法优化平台，以提高安全性和实时感知能力。
另外，英伟达近年业务也逐渐拓展至汽车 AI 芯片领域。
而边缘计算恰好可以为工业机器人、自动驾驶等领域提供低延迟、高安全性、离线运行能力等保障。
这些举动都表明，英伟达此回目的很直接，就是搞边缘计算 AI 芯片。
MIT 韩松联创，主打边缘计算
OmniML 成立于 2021 年，总部位于美国加利福尼亚，去年 3 月刚拿到 1000 万美元种子轮。
去年 9 月公司发布的 Omniizer，就是一款可以通过弥合机器学习模型和边缘硬件之间的差距，简化和加速机器学习操作 (MLOps) 的平台。
OmniML 有三位华人联创，分别是公司首席执行官吴迪博士，麻省理工学院电子工程和计算机科学系韩松教授、 首席技术官毛慧子博士。
其中，韩松是 MIT EECS 助理教授、原深鉴科技联合创始人，本科毕业于清华大学，博士毕业于斯坦福大学，师从英伟达首席科学家 Bill Dally 教授，研究领域主要涉足深度学习和计算机体系结构等。
此前，MIT 韩松教授团队就曾提出一种算法-系统协同设计框架，仅用 256KB 和 1MB 的内存即可实现设备内训练，且开销不到 PyTorch 和 TensorFlow 的 1/1000。
刨除本身强大的科研背景，英伟达收购 OmniML，一方面肯定是希望加速布局 AI 市场。另一方面，或许也与韩松曾师从英伟达首席科学家 Bill Dally 教授不无关系。
由于都曾经是一家人，因此这次的收购更显得顺理成章了。
参考链接：
[1]https://www.theinformation.com/articles/nvidia-acquired-ai-startup-that-shrinks-machine-learning-models?rc=riq8lb/
[2]https://www.eetimes.com/mlperf-inference-startups-beat-nvidia-on-power-efficiency/
[3]https://arxiv.org/abs/2206.15472
本文来自微信公众号：量子位 （ID：QbitAI），作者：尚恩
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。
本文由LinkNemo爬虫[Echo]采集自[https://www.ithome.com/0/704/613.htm]
