人工智能设计的芯片和深度学习云诞生
nervana systems发布了深度学习云，同时开发了一款为人工智能设计的芯片。
经过两年的努力和超过2400万美金的投资，nervana systems发布了其深度学习云，因此任何企业都能够创建会学习的计算机模型了。早已蓄势待发的消费者们使用它来帮助创造农场型人工智能机器人，利用照片寻找有可能的原油分布点，以及找出欺诈交易活动。
这家创建了一种深度学习专用芯片的创业公司nervana是由naveen rao（他也是高通人工智能芯片项目的前主管）和另外两人（也是从这家移动芯片公司出身的）一起成立的。他们的目标是建立一种新的处理器，能够给人类大脑的能力进行建模。但首先他们以提供云服务和日常图片处理器作为开始，以此赚钱并测试软件。
今天，nervana的云是基于购买自nvidia的图像处理器，但nervana创始人希望在2016年年底时，用他们自己设计的专用芯片来替代这一根本性硬件。到那时，创始人会重新设计nvidia芯片使用的固件，并建造他们自己的软件框架，从而使得深度学习能够在他们的云上运行得更快。
这一软件框架叫做neon，将与torch和caffe，以及谷歌（tensorflow）、微软（cntk）等提供的软件进行竞争。rao坚信他的软件在nvidia nvda硬件上运行将快十倍，甚至比nvidia自己的软件框架运行得更快。这一速度至关重要是因为训练某一神经网络并将之进行运行，通常需要花费数周甚至数月时间。因此任何速度上的大幅度提升，甚至时间减半，都将是非常有效的改善。
steve jurvetson是dfj的合伙人，隶属于nervana董事会，他相信深度学习的进化对企业而言是必要的，甚至使他们收集的数据有了意义。这也是nervana在近期能够有所建树的领域。「世界正处于大数据时代，」他表示。「想想吧，卫星图让你能够数清停车场的每棵树或者每辆车，再想想，每一天由人来数清每辆车或每棵树，这数据量大的，人类难以处理。而这就是深度学习的领域。」
naveen rao，nervana联合创始人兼ceo
获取数据表，这就是《财富》的技术通讯
比如，nervana的客户之一，paradigm开发了原有探索软件，将谷歌用于训练深度学习网络学习如何辨识一只猫的计算机视觉应用于寻找原油。这家公司找来了几千张地震图像，并训练神经网络来寻找默认的原油可能会集中成片的特定类型区域。一旦经过训练，他们就能将他们的图像上传至nervana云，并得到反馈结果，知道哪里值得钻取。这种费力的搜索在过去可能会花费地质学家几年的时间。
这就是现在的成果。然而rao考虑的更超前。想很多其他人一样，他意识到人工智能领域的开发要求新的芯片架构。因此nervana的长期目标就是建造一种新型的半导体，而这种半导体将从人脑获取一些设计元素。
因此，像是ibm之类的，创造硅基大脑的长期工作受到了硅这种材料的性质限制，而硅是目前半导体的根本元素。在人类大脑中，信息是由突触传导给神经元的，而每个神经元有上千个突触。在硬件中再现这样的信息传递结构需要太多连线了。因此芯片制造者转向软件来创造我们所知的芯片上的i/o。
通过采取控制互联网的大型路由运行软件，nervana试图利用软件从统计学方面给复杂的信息传递进行建模，而不是物理的连线方式。深度学习芯片另一个重要元素就是并行运行工作的能力，这也是一些图像处理器所擅长的。这也是谈及深度学习nvidia处于领先地位的原因，但是，正如很多其他创业公司所指出的，nvidia没有i/o。
将这两者结合起来也是研究员、创业公司、像是ibm这样的大型公司正在尝试的事情，这样他们就能创造出可以更好地容纳人工智能的硬件。与此同时，在云端，nervana将会和minds.ai竞争，后者也开发了一款芯片，并提供深度学习云；以及ibm沃森；metamind（图像识别）；skymind（提供深度学习应用）等等。
nervana systems由dfj、dcvc、allen & company、ame cloud ventures、andy rubin’s playground global、cme group、fuel capital、lux capital以及 omidyar network支持。目前为止的客户包括chicago mercantile exchange、农用机器人创造企业blue river technology以及paradigm。
苹果M1、Intel抢先支持 USB4好在哪？
VR+5G，让未来世界变得更新颖
北京智芯原动科技公司获B轮融资后 誓要加速AI技术落地
ST推出Always-On 3D加速度计和3D陀螺仪的系统级封装
CV72AQ - 安霸推出下一代车规 5 纳米制程 AI SoC
人工智能设计的芯片和深度学习云诞生
盘点不同滤波器在不同情况下的应用
以远场模型（平面波）为例,讲解时空采样定理！
浅谈模式识别
Ti3C2Tx-MXene成功应用于电致化学发光生物传感领域
python调用math函数的方法
充电宝设计如何实现更小的解决方案尺寸和更高的输出功率
什么是A2B？A2B总线怎么用
当智能音箱遇上激光雷达会是一种怎样的体验
如何对电路中的潜通电路进行详细分析
深圳为无人驾驶地铁做准备
苹果手机的警示！电子产品无线升级=救命的机会
ACM清洁平台瞄准Chiplet行业
AR 设备应用场景多元化，传感器朝高精度、低延时持续迭代
学校综合能耗管理服务工作如何开展？
经过两年的努力和超过2400万美金的投资，nervana systems发布了其深度学习云，因此任何企业都能够创建会学习的计算机模型了。早已蓄势待发的消费者们使用它来帮助创造农场型人工智能机器人，利用照片寻找有可能的原油分布点，以及找出欺诈交易活动。
这家创建了一种深度学习专用芯片的创业公司nervana是由naveen rao（他也是高通人工智能芯片项目的前主管）和另外两人（也是从这家移动芯片公司出身的）一起成立的。他们的目标是建立一种新的处理器，能够给人类大脑的能力进行建模。但首先他们以提供云服务和日常图片处理器作为开始，以此赚钱并测试软件。
今天，nervana的云是基于购买自nvidia的图像处理器，但nervana创始人希望在2016年年底时，用他们自己设计的专用芯片来替代这一根本性硬件。到那时，创始人会重新设计nvidia芯片使用的固件，并建造他们自己的软件框架，从而使得深度学习能够在他们的云上运行得更快。
这一软件框架叫做neon，将与torch和caffe，以及谷歌（tensorflow）、微软（cntk）等提供的软件进行竞争。rao坚信他的软件在nvidia nvda硬件上运行将快十倍，甚至比nvidia自己的软件框架运行得更快。这一速度至关重要是因为训练某一神经网络并将之进行运行，通常需要花费数周甚至数月时间。因此任何速度上的大幅度提升，甚至时间减半，都将是非常有效的改善。
steve jurvetson是dfj的合伙人，隶属于nervana董事会，他相信深度学习的进化对企业而言是必要的，甚至使他们收集的数据有了意义。这也是nervana在近期能够有所建树的领域。「世界正处于大数据时代，」他表示。「想想吧，卫星图让你能够数清停车场的每棵树或者每辆车，再想想，每一天由人来数清每辆车或每棵树，这数据量大的，人类难以处理。而这就是深度学习的领域。」
naveen rao，nervana联合创始人兼ceo
获取数据表，这就是《财富》的技术通讯
比如，nervana的客户之一，paradigm开发了原有探索软件，将谷歌用于训练深度学习网络学习如何辨识一只猫的计算机视觉应用于寻找原油。这家公司找来了几千张地震图像，并训练神经网络来寻找默认的原油可能会集中成片的特定类型区域。一旦经过训练，他们就能将他们的图像上传至nervana云，并得到反馈结果，知道哪里值得钻取。这种费力的搜索在过去可能会花费地质学家几年的时间。
这就是现在的成果。然而rao考虑的更超前。想很多其他人一样，他意识到人工智能领域的开发要求新的芯片架构。因此nervana的长期目标就是建造一种新型的半导体，而这种半导体将从人脑获取一些设计元素。
因此，像是ibm之类的，创造硅基大脑的长期工作受到了硅这种材料的性质限制，而硅是目前半导体的根本元素。在人类大脑中，信息是由突触传导给神经元的，而每个神经元有上千个突触。在硬件中再现这样的信息传递结构需要太多连线了。因此芯片制造者转向软件来创造我们所知的芯片上的i/o。
通过采取控制互联网的大型路由运行软件，nervana试图利用软件从统计学方面给复杂的信息传递进行建模，而不是物理的连线方式。深度学习芯片另一个重要元素就是并行运行工作的能力，这也是一些图像处理器所擅长的。这也是谈及深度学习nvidia处于领先地位的原因，但是，正如很多其他创业公司所指出的，nvidia没有i/o。
将这两者结合起来也是研究员、创业公司、像是ibm这样的大型公司正在尝试的事情，这样他们就能创造出可以更好地容纳人工智能的硬件。与此同时，在云端，nervana将会和minds.ai竞争，后者也开发了一款芯片，并提供深度学习云；以及ibm沃森；metamind（图像识别）；skymind（提供深度学习应用）等等。
nervana systems由dfj、dcvc、allen & company、ame cloud ventures、andy rubin’s playground global、cme group、fuel capital、lux capital以及 omidyar network支持。目前为止的客户包括chicago mercantile exchange、农用机器人创造企业blue river technology以及paradigm。
苹果M1、Intel抢先支持 USB4好在哪？
VR+5G，让未来世界变得更新颖
北京智芯原动科技公司获B轮融资后 誓要加速AI技术落地
ST推出Always-On 3D加速度计和3D陀螺仪的系统级封装
CV72AQ - 安霸推出下一代车规 5 纳米制程 AI SoC
人工智能设计的芯片和深度学习云诞生
盘点不同滤波器在不同情况下的应用
以远场模型（平面波）为例,讲解时空采样定理！
浅谈模式识别
Ti3C2Tx-MXene成功应用于电致化学发光生物传感领域
python调用math函数的方法
充电宝设计如何实现更小的解决方案尺寸和更高的输出功率
什么是A2B？A2B总线怎么用
当智能音箱遇上激光雷达会是一种怎样的体验
如何对电路中的潜通电路进行详细分析
深圳为无人驾驶地铁做准备
苹果手机的警示！电子产品无线升级=救命的机会
ACM清洁平台瞄准Chiplet行业
AR 设备应用场景多元化，传感器朝高精度、低延时持续迭代
学校综合能耗管理服务工作如何开展？