Такая стабильность может указывать на насыщение рынка. Как отмечает куратор рейтинга Питер Кларк, мы, возможно, достигли «пика ИИ» в кремниевой индустрии — особенно на фоне недавних выходов из гонки таких игроков, как Untether AI и Esperanto Technologies.
Однако это вовсе не означает замедления инноваций. Напротив — фокус смещается: от чистой гонки за производительностью к специализации, энергоэффективности и новым вычислительным парадигмам.
В этом году заметно увеличилось число стартапов, ориентированных на периферийные ИИ-решения: их доля выросла с 11 до 14. Это отражает зрелость рынка — отрасль переходит от централизованных моделей к локальному выводу (on-device inference), где важны низкое энергопотребление, задержка и конфиденциальность.
Хотя такие сценарии, как ИИ-зрение в автономных системах, уже хорошо развиты, другие области, включая ИИ в персональных компьютерах, только начинают раскрываться.
EnCharge: ИИ в ноутбуках нового поколения
Новый участник Silicon 100, EnCharge, нацелился на рынок ПК с искусственным интеллектом, представив ускоритель EN100 с производительностью 200 TOPS (INT8) — более чем в 5 раз выше, чем минимальные требования Microsoft к Copilot+ PC (40 TOPS).
Ключевое преимущество — энергоэффективность выше 40 TOPS/Вт, что критично для мобильных устройств.
Чип построен на аналоговых вычислениях в памяти (compute-in-memory) с использованием конденсаторной технологии, что позволяет сократить перемещение данных и снизить энергопотребление.
TetraMem: мемристоры и аналоговые вычисления
Еще один новичок — TetraMem — также делает ставку на аналоговые вычисления в памяти, но использует RRAM-ячейки на основе мемристоров, совмещающие хранение и обработку данных.
Их чип MX100 поддерживает INT4 и INT8, а в лабораторных условиях продемонстрирована точность до 11 бит на ячейку.
TetraMem ориентируется на носимые устройства, AR/VR, голосовые ассистенты и системы мониторинга здоровья, где важна автономность.
Проблема аналоговых схем — точность. Но прогресс в калибровке и алгоритмах компенсации делает их всё более пригодными для массового внедрения.
В то время как периферия растёт, рынок ИИ-ускорителей для дата-центров также расширяется — особенно в сегменте вывода (inference) для крупных языковых моделей (LLM).
Fractile: вычисления в памяти для LLM
Британский стартап Fractile разрабатывает ускоритель вывода для моделей с сотнями миллиардов параметров, используя вычисления в памяти на базе модифицированной SRAM-ячейки CMOS.
Цель — вывод токенов на два порядка быстрее, чем у H100 от Nvidia, при значительной экономии энергии.
В перспективе — применение в робототехнике и системах реального времени.
Recogni: от ADAS к серверам LLM
Recogni, впервые вошедший в Silicon 100, доказала свою логарифмическую математическую архитектуру в чипах для систем ADAS.
Теперь компания переходит в дата-центры: её чип второго поколения оптимизирован для масштабного вывода LLM без квантования (QAT), с поддержкой повторного обучения и адаптации.
Recogni работает над серверными и стоечными системами, ориентированными на массовый инференс.
NextSilicon: реконфигурируемое «гибкое» железо
NextSilicon позиционирует себя как софтверная компания, но разрабатывает аппаратный ускоритель Maverick для научных вычислений и HPC.
Суть — реконфигурация чипа в реальном времени на основе телеметрии выполнения кода.
Уже доступны одно- и двухчиповые версии Maverick второго поколения с HBM-памятью, что делает его конкурентоспособным в задачах, требующих высокой пропускной способности.
Один из самых интересных новичков — Q.ANT, работающий в области фотонных вычислений.
Компания производит фотонные ИИ-ускорители на основе тонкоплёночного ниобата лития — материала, широко используемого в телекоммуникациях.
Преимущества:
- 16-битная точность — исключительно высокая для фотонных чипов,
- Низкое тепловыделение,
- Высокая пропускная способность.
Q.ANT стремится к ещё большей точности в следующем поколении, открывая путь к использованию фотоники в масштабируемых ИИ-системах дата-центров.
Silicon 100-2025 показывает:
- Гонка за количеством новых ИИ-стартапов, возможно, замедляется,
- Но качество и специализация растут как никогда.
От аналоговых и фотонных вычислений до реконфигурируемого железа и вычислений в памяти — индустрия ищет выход за пределы традиционной архитектуры фон Неймана.
Периферия становится умнее, дата-центры — эффективнее, а новые физические принципы начинают реализовываться в кремнии.
Как резюмирует Питер Кларк:
«Мы больше не просто строим быстрые чипы. Мы перестраиваем саму основу вычислений — чтобы ИИ работал везде, быстро, эффективно и безопасно».
Ключевые тренды Silicon 100-2025:
- 25% участников — стартапы в области ИИ (на уровне 2024),
- Рост числа компаний, работающих с периферийным ИИ (14),
- Увеличение доли новых архитектур: compute-in-memory, аналоговые и фотонные чипы,
- Переход от «всё подряд» к специализированным решениям для ПК, AR/VR, LLM и научных вычислений.
Будущее ИИ — не в одном чипе, а в экосистеме новых технологий. И Silicon 100 — её самый точный индикатор.
Источник: https://www.eetimes.com/ai-companies-top-the-silicon-100/Если вам понравился материал, кликните значок - вы поможете нам узнать, каким статьям и новостям следует отдавать предпочтение. Если вы хотите обсудить материал - не стесняйтесь оставлять свои комментарии : возможно, они будут полезны другим нашим читателям!