加利福尼亚州圣何塞一家初创公司将在6月之前采样一台用于汽车，机器人和无人机的13W机器学习加速器，据说可以轻松击败Nvidia GPU识别图像。伟世通正在考虑在未来的汽车系统中使用该芯片，该测试结果基于FPGA版本的设备。

AlphaIC设计了一个针对深度学习，强化学习和其他机器学习任务而优化的指令集架构（ISA）。该公司的目标是生产一系列具有16至256个内核的芯片，大约跨越2 W至200 W。

市场上已经挤满了来自创业公司和老牌公司的人工智能加速器，但由于人工智能代表着计算领域的历史性转变，资金仍然流入这个领域。AlphaIC不是像许多早期AI初创公司那样尝试构建大型多重累积单元阵列，而是一群新兴创业公司的一部分，旨在更广泛地研究更广泛的机器学习算法和加速它们的方法 。

该创业公司由Vinod Dham和几位x86设计的资深人士以及印度的技术和商业联合创始人组成。

“我们正在寻求构建一种新型计算引擎......必须有一个更好的架构，用于深度学习，强化学习和新型机器学习，”Dham说，他在英特尔设计奔腾处理器，然后形成处理器创业公司NexGen和Silicon Spice分别出售给AMD和Broadcom。

AlphaIC的第一个产品，即13-W RAP-E，在网络边缘进行推理和一些设备学习，应该在明年晚些时候投入生产。更高端的RAP-C将是一个100 W芯片，使用高带宽内存在数据中心构建大型神经网络模型，并将在6月份推出FPGA版本。

到目前为止，总部位于班加罗尔的25人创业公司筹集了350万美元，足以宣称在台积电16FF流程中将其RAP-E录像。它计划在未来9个月内通过B系列筹集1500万美元，用于资助7-nm版本的RAP-C。