英伟达GPU需求创历史新高，初创公司Lemurian Labs获900万美元融资欲破局
可以说，英伟达（Nvidia）恰逢其时地处于正确的位置和时机，其GPU芯片的需求因生成式AI模型对资源的高需求而创下历史新高——但如果有一款芯片能以更低的成本提供类似的性能呢？这正是Lemurian Labs这家由Google、Intel和Nvidia前员工创办的早期初创公司试图构建的。
当然，这是一种“登月”式的想法，将芯片推向市场需要大量的时间和资金，但对于拥有特定背景的创始人提出的概念，投资者愿意冒险一试。今天，该公司宣布获得900万美元的种子轮融资。
重新构想加速计算：突破半导体物理限制
“从根本上说，在Lemurian，我们的目标是重新构想加速计算。我们之所以想这样做，是因为我们现有的计算方式开始走向尽头。问题不在于它不是一个优秀的架构或范式，而是半导体的物理特性正在对该范式产生阻力，”Lemurian联合创始人兼首席执行官Jay Dawani表示。
该公司旨在构建一款新芯片以及配套软件，使处理AI工作负载更加便捷、高效、廉价，并最终更加环保。
颠覆传统架构：让计算移动到数据
Lemurian像举办计算机体系结构大师课一样解释道，计算归结为三件事：“有数学运算，有内存，还有数据传输。目标在于互连。因此，数据存储在内存中，通过互连传输到数学单元进行处理，然后再写回内存。这就是传统架构中的关键点：数据必须移动。”Dawani解释说。
Lemurian希望颠覆这种思路。与其让数据移动到计算资源，不如让计算移动到数据。“我们的意思是，我们需要最大限度地缩短这一距离，这样我们就不是在移动数据，而是在移动计算能力。”他说。
他表示，GPU最初是为图形相关任务创建的，但随着时间的推移，由于其纯粹的处理能力，它们承担了各种其他角色。“因为你是在为某事设计，但同时又在尝试做别的事情，当你试图做好所有事情时，你其实并不擅长做好所有事情。而这正是GPU的阿喀琉斯之踵。这也是我们试图解决的问题。”Dawani说。
技术突破：对数系统替代浮点运算
Lemurian应对这一问题的方法是改变芯片上的数学运算方式，这无疑是一项巨大的工程。据Dawani介绍，在芯片开发的早期，工程师们决定采用一种浮点方法，因为当时没有人能让对数方法发挥作用。他声称他的公司已经解决了这个问题。
“对数系统的妙处在于，它将所有昂贵的乘法和除法运算转化为加法和减法，而这些在硬件中是几乎零成本的操作。因此，它在面积和能耗上实现了节省，同时提升了速度。此外，它在精确度或精度上也略有提升。”所有这些优势在降低大语言模型处理成本时都极具吸引力。
他们是如何做到这一点的？他说：“我们实际上偶然发现，通过以特定方式构建并扩展大数系统的定义，可以创造出一种精确解，其结果在相同位数下比浮点数更小且更准确。”
“随着位数的增加，在相同位数下，其动态范围会越来越好，这真的非常令人着迷。现在，这正是我们能够探索所采用的架构的重要原因之一，因为如果没有这种数系统，人们就会屈从于同样的限制。”
发展路线图与融资情况
他们采取循序渐进的策略，首先发布软件栈部分，希望明年第三季度实现普遍可用。硬件开发更具挑战性，需要时间和资金来进行研发、制造和生产测试，但目标是在未来几年内跟进推出。
该公司目前拥有24名员工，大多是具备此类项目背景的高技能技术工程师。这是一个有限的人才池，但他的目标是在未来几个月内再招聘六人，如果一切顺利并获得A轮融资，则将在下一年再招聘35人。
这笔900万美元的投资由Oval Park Capital领投，Good Growth Capital、Raptor Group和Alumni Ventures等机构参与投资。
打造这样一家公司并将芯片推向市场是一项巨大且昂贵的挑战，但如果他们能实现其所描述的目标，将使生成式AI模型（以及后续产品）的构建变得更加廉价和高效。