根據新智元消息，寒武紀科技（Cambricon Technologies Corporation Limited）已經完成一億美元A輪融資，由國投創業（A輪領投方），阿里巴巴創投、聯想創投、國科投資、中科圖靈、元禾原點（天使輪領投方）、涌鏵投資（天使輪投資方）聯合投資；A輪融資將用於推動寒武紀系列處理器在終端和雲端的產品化和市場化，促進各類終端設備的智能化，提供高性能低功耗的雲端智能處理解決方案。

根據公開信息，寒武紀科技在A輪融資後，或成全球AI晶片領域第一個獨角獸公司。

寒武紀科技為中國科學院計算技術研究所（中科院計算所）背景，主營業務為AI晶片。

官網顯示，目前已經流片成功，擁有終端AI處理器IP和雲端高性能AI晶片兩條產品線。

公司最主要的產品為2016年發布的寒武紀1A處理器（Cambricon-1A），是一款可以商用的深度學習專用處理器。

目前已經衍生出1A、1H等多個型號。

人工智慧快速發展、應用，尤其是神經網絡的廣泛應用，對於算力提出了更高的要求，傳統CPU在進行神經網絡運算方面的弊端顯現，AI晶片應用而生，也成為AI領域的熱點。

MarketsandMarkets的數據顯示，2022年，全球深度學習市場的價值將達到172.29億美元，複合增長率65.3％。

由於對運行深度學習算法高計算能力的硬體平台需求的增長，2016年至2022年之間硬體市場增長可觀。

一般來說，大規模神經網絡本質上是包含了矩陣乘積和卷積操作的大運算量函數。

具體到訓練，需要先定義一個包含回歸問題的方差、分類時的交叉熵的代價函數，再數據分批傳遞進網絡，根據參數求導出代價函數值，從而更新整個網絡模型。

這通常意味著至少幾百萬次的相乘處理，計算量巨大，處理速度很有可能受到影響。

此外，神經系統網絡網絡越深，需要的訓練時間越長，一些網絡如果使用串行的X86 處理器來訓練，很可能需要幾個月、甚至幾年時間。

因此，通用性高的CPU在運算方面的弊端開始逐漸顯現。

GPU、FPGA、ASIC、類腦晶片開始被作為可行的AI晶片方案被關注。

國外方面，巨頭紛紛涉足，Intel收購Nervana、Altera，研究製造機器學習專用晶片；LeCun透露，高通也在研製專門運行神經網絡的晶片；nVidia聘請了主攻人工智慧晶片構建的Clément Farabet，IBM也在研發硬體結構與神經網絡設計類似的晶片。

面對強大的晶片需求，以軟體見長的Google和微軟也已涉足晶片製造行業，今年CVPR期間，微軟公布了AI晶片製造計劃；2016年時，Google I /O 大會推出了TPU晶片，今年將向雲計算業務的客戶出租該晶片的使用權。

國內方面，除了華為這樣宣布研發AI晶片的大公司，也出現了深鑒、地平線、寒武紀、雲天勵飛等知名初創公司，並獲得資本青睞。

深鑒科技今年完成數千萬美元的A輪融資，投資方包括賽靈思（Xilinx）、聯發科（MediaTek）、清華控股、方和資本，早期投資方金沙江創投、高榕資本跟投，近期很可能完成新一輪融資；去年年中，地平線機器人公布融資，投資方包括雙湖投資、青雲創投和祥峰投資，晨興、高瓴、金沙江、線性資本和真格基金等種子輪投資機構也繼續追加了投資，融資金額不詳，但業內人士普遍表示估值非常高。

今年3月，雲天勵飛宣布獲得數千萬美元的A輪融資，投資方包括山水從容傳媒投資有限公司、松禾資本、深投控、投控東海、紅秀盈信等多家投資機構。