如今，Google、Facebook、微軟、亞馬遜以及中國的百度等互聯網巨頭正在探索各種可以推動AI發展的芯片技術，他們作出的選擇將改變英特爾和英偉達這樣的芯片制造商的命運。但在這點上，即使這些互聯網巨頭內部的計算機科學家也不知道未來會怎樣。

　　Going Deep

　　這些公司的在線服務基于它們裝配有數千臺服務器的數據中心，每臺服務器均由被稱為中央處理器（CPU）的芯片驅動。但當他們應用一種被稱為深度神經網絡的AI形式時，這些公司就需要增加其他處理器作為CPU的補充。神經網絡可以通過分析大量數據來學習任務，這些任務包括圖像中的人臉和物體的識別，不同語言的翻譯等等，因此只有CPU是不夠的。

　　于是，Google造出了Tensor處理器（Tensor Processing Unit，TPU）。微軟正在使用被稱為現場可編程門陣列（FPGA）的處理器。他們都在尋找一種可以加速智能手機以及其它設備的AI的新型芯片。

　　這些公司的任何選擇都會產生很大的影響，因為他們的在線業務是如此巨大。他們比地球上任何其它公司購買或運營的計算機硬件都要多，而且隨著云計算的重要性持續增加，這個差距也只會越來越大。如果Google選擇某一種處理器而不是另一種，將會從根本上改變芯片行業。

　　TPU對英特爾和英偉達這些芯片制造商構成了威脅，因為這個芯片是由Google自己制造的。但GPU對Google以及其他類似公司也有巨大的作用，而英偉達是這些專門芯片的主要制造商。與此同時，英特爾已經通過收購Altera（該公司向微軟銷售FPGA）將自己融入其中。這場價值167億美元的收購是英特爾最大的收購案，突顯了芯片市場的激烈變化。

　　訓練為先，執行第二

　　但是為這些排序十分困難，部分原因是神經網絡的運行分兩個階段。第一個是訓練階段，這個階段中Google之類的公司訓練神經網絡來執行特定的任務，例如識別照片中的人臉，或把一種語言翻譯成另一種語言。第二個是執行階段，這一階段里人們實際使用神經網絡，例如，我們把高中同學聚會的照片發布到Facebook上，它會自動標記出每個人分別是誰。這兩個階段是完全不同的，每個階段需要的處理方式也完全不同。

　　現階段，GPU是訓練的最佳選擇。芯片制造商們設計了GPU來為游戲以及其他高度圖形化的應用做圖像渲染，但近年來，Google等公司發現這些芯片還能為訓練神經網絡所需的難以置信的大量計算提供能效更高的方法。微軟AI研究員黃學東稱GPU是“真正的武器”。最近，他的團隊花了大約一年時間建成一個特定對話語音的識別能力達到人類水平的系統，他說，沒有GPU的話，可能需要五年。微軟就這個系統發表了一篇研究論文后，他在英偉達CEO黃仁勛家里開了一瓶香檳慶祝。

　　但企業還需要能夠快速執行神經網絡的芯片，這個執行過程稱為推斷。Google為此專門打造了TPU，微軟使用FPGA。而百度正在使用的GPU不太適合推斷，因為GPU是訓練用的，但使用合適的軟件也可以做推斷執行。

　　面向智能手機

　　與此同時，其他公司正在打造可以在智能手機以及其他終端設備上執行神經網絡的芯片。IBM就正在做這樣的芯片，盡管有人質疑這種芯片的有效性。另一方面，英特爾收購了Movidius，Movidius是一家已經成功將芯片推廣到移動設備的公司。

　　英特爾理解芯片市場正在發生的變化。四年前，這家芯片制造商說它向Google銷售的服務器處理器比銷售給其他所有公司（除了另外四家巨頭公司外）加起來的還要多，因此，它最能直接體會Google這些大公司對芯片市場的巨大影響。因此，英特爾現在押注于各個領域。買到Altera和Movidius后，它已經就購買第三家AI芯片公司Nervana達成協議。

　　這不難理解，因為這個市場才正開始發展。“我們眼下正處于下一波大增長浪潮的斷崖，而這一波大增長是由人工智能驅動的。”英特爾副總裁Jason Waxman說道。問題在于，這一波浪潮將把我們帶向何方。