今年5月底曾在曼哈頓中部的賓夕法尼亞州立大學舉行了一次意義重大的人工智能會議。參加這次會議的大多是科技領域的新起之秀，世界頂級半導體設備制造企業AMAT也參加了此次會議。會議由Pierre Ferragu主持，此前他剛剛辭去了伯恩斯坦的技術分析師職務，在New Street Research做技術研發，New Street Research是一家純粹的研究機構，并沒有別的業務。

從左邊開始，分別是Netronome首席執行官Niel Viljoen，Mipsology首席執行官Ludovic Larzul， Applied Materials市場信息負責人Sundeep Bajikar，Syntiant首席執行官Kurt Busch和Applied MaterialsCIO Jay Kerley。

此次會議的重點是討論將哪種芯片用于目前已有的智能算法，如“深度學習”。同時這也是一次很好的調查機會，如何選擇決定了英特爾（INTC）、Nvidia（NVDA）和Xilinx（XLNX）未來在計算機領域能否占據主導地位。

會議發言人普遍認為，在未來五年內，AI芯片最保守估計每年在人工智能市場的需求將達到150億美元。問題是哪些芯片會應用于人工智能領域？

Netronome Systems是高度可編程半導體領域的領先供應商，成立于2003年8月，總部位于美國賓夕法尼亞州的匹茲堡，目前其分支機構遍布北美、歐洲、亞洲和非洲，為全球客戶提供技術和銷售支持。Netronome目前正在制造網絡加速芯片。

Niel Viljoen是Netronome公司的創始人和首席執行官，他認為隨著新一代芯片的出現，將會減少對英特爾微處理器的使用。Viljoen說：“每次改變都會減少CPU的負擔。”

他表示，芯片的“體系結構”涉及材料和加速器，以及一些我們沒有接觸過的東西的，例如像DRAM這樣的存儲芯片，其內存是如何組織的以及如何分布的。

雖然Nvidia的突出之處在于它的GPU在人工智能領域得到了認可，但是有人指出未來將會出現更多類型的芯片，它們將更加關注存儲電路而不僅僅是計算電路。另一家公司Mipsology正在開發可以更好地使用“現場可編程門陣列（FPGA）”的軟件，Intel、Xilinx和Lattice Semiconductor（LSCC）銷售的就是這種可編程芯片，這更加說明了未來芯片的多樣性。

Mipsology CEO Ludovic Larzul解釋說，深度學習中的一些任務需要傳統的“分支”指令，即遵循更窄的“if/then/else”結構的計算機命令，但是這并不適合GPU。

幾周前剛剛走出“隱形模式”的Syntiant提出了一種完全不同的AI芯片方案。Syntiant公司的高管大都來自Broadcom（AVGO），他們正在研制一款專注于存儲介質，它更多地利用了模擬芯片的專業知識。

正如Syntiant CEO Kurt Busch所說“我們可以在存儲芯片中進行計算，100%消除了傳統存儲芯片中的存儲帶寬瓶頸”。

Syntiant專注于將這些存儲芯片用于“邊緣”設備，例如汽車和智能手表，以及其他具有嚴格功率限制但是經常連接不到云數據中心進行機器學習的設備。

Busch的邊緣AI例子是交通攝像頭。他說：“每個角落都有交通攝像頭，他們把看到的所有車牌照都拍照，然后把這些圖像發送到云端。那么為什么不讓云直接告訴相機我們正在尋找某個車牌，而讓看到車牌的照相機將圖像發送到云呢？”

換句話說，這樣的人工智能已經脫離了“訓練階段”進入了所謂的“推理階段”，即使用已經對數據進行過訓練的計算機來解決該領域的特定問題。

Busch認為在可預見的將來，系統“訓練”仍將在需要大量計算的云中進行。

Applied Materials公司是全球最大的半導體生產設備和高科技技術服務企業，為財富500強全球化發展增長型企業之一。Applied Materials公司自1967年成立至今三十多年來一直都是領導信息時代的先驅，為全球信息產業的迅猛發展和高速增長提供了技術的可能。

Applied Materials的首席信息官Jay Kerley表示該公司已經在內部建立了大量的基礎設施，將用人工智能相關工作的研究，例如解決人工智能芯片制造的問題。

Kerley說 “大多情況下都是軟件在推動硬件”，在谷歌開發的各種框架中最受歡迎的是TensorFlow。他表示：“如果GPU能夠做出改進持這些新出現的需求，那么事情就簡單了。但是我們現在需要將這些GPU用于處理它們并不擅長的事情。”

同時，Applied正在使用英特爾和Nvidia的大量GPU來構建巨型數據中心。因此，如果AI在不遠的將來有所進展，對芯片供應商來說將是一個非常好的機會。