NVIDIA 雖憑借通用GPU（GPGPU）登上人工智慧（AI）芯片一哥位置，但競爭對手早已在一旁虎視眈眈。美國低功耗現場可程式邏輯閘陣列（FPGA）制造商Xilinx 表示，伙伴廠商利用FPGA 芯片進行基因體定序與優化語音辨識所需的深度學習，察覺FPGA 的耗能低于GPU 且處理速度較快。相較于GPU 只能處理運算，FPGA 能以更快速的速度一次處理所有與AI 相關資訊。

英特爾（Intel）在2015 年底并購美國FPGA 廠商Altera。在GPU 領域落后NVIDIA、超微（AMD）的英特爾打算藉由Xeon Phi 進軍AI 芯片市場。

NVIDIA 執行長黃仁勛5 月24 日透過官網部落格發表專文指出，NVIDIA GPU 運算已成了當代達文西、愛因斯坦不可或缺的工具，過去一年來打造GPU 驅動AI 服務的新創公司家數成長逾四倍至1，300 家，沒有人想錯過下一個重大科技新突破。

Citron Research 創辦人Andrew Left 6 月9 日在接受CNBC「Halftime Report」節目專訪時表示，NVIDIA 投資人儼然成了賭場賭徒。Left 坦承目前持有NVIDIA 的空頭部隊。他說，投資人太過樂觀、沒把這家公司的競爭對手（英特爾、超微、Google、Xilinx）放在眼里。

英特爾在去年9 月宣布收購行動圖像處理技術開發商Movidius Technology。Movidius 與英特爾旗下現有資產的結合將使得全球半導體龍頭得以在電腦視覺、深度學習解決方案（從裝置到云端）領域處于領先地位。

去年8 月，英特爾宣布并購一家名為Nervana Systems 的AI 新創企業。英特爾并于5 月宣布收購電腦視覺（CV）技術公司Itseez Inc.。Itseez 可協助客戶創造出自動駕駛、數位安全與監控等創新深度學習CV 應用產品。

barrons.com 2 月1 日報導，Instinet 分析師Romit Shah 指出，Xilinx 坦承比NVIDIA、英特爾晚察覺AI 商機。

Xilinx 6 月8 日收盤價（68.07 美元）創2000 年11 月15 日以來新高，12 日以64.23 美元作收，今年迄今上漲6.39%。

NVIDIA Corporation 12 日上漲0.25%，收149.97 美元，創史上次高收盤紀錄;今年迄今上漲40.50%。

英特爾12 日上漲0.06%，收35.73 美元，今年迄今下跌1.49%。

FPGA 在加速下一代深度學習方面能擊敗GPU嗎？

許多圖像、視頻和語音來自社交媒體和物聯網等數據源，這些內容的數字數據繼續急劇增長，從而促使企業界需要分析技術讓這些數據易于理解、具有實用性。

數據分析常常依賴機器學習算法。在諸多機器學習算法中，深度卷積神經網絡（DNN）為重要的圖像分類任務提供了最高的準確度，因而得到了廣泛采用。

在最近的現場可編程門陣列國際研討會（ISFPGA）上，來自英特爾加速器架構實驗室（AAL）的埃里科·努維塔蒂（Eriko Nurvitadhi）博士介紹了一篇研究論文，題為《FPGA 在加速下一代深度學習方面能擊敗GPU嗎？》他們的研究以最新的高性能英偉達Titan X Pascal 圖形處理單元（GPU）為參照，評估了新興的DNN算法在兩代英特爾FPGA（英特爾Arria10和英特爾Stratix 10）上的表現。

英特爾可編程解決方案部門的FPGA 架構師蘭迪·黃（Randy Huang）博士是這篇論文的合著者之一，他說：“深度學習是人工智能方面最激動人心的領域，因為我們已經看到深度學習帶來了最大的進步和最廣泛的應用。

雖然人工智能和DNN 研究傾向于使用 GPU，但我們發現應用領域與英特爾的下一代FPGA 架構之間是完美契合的。我們考察了即將出現的FPGA 技術進展，以及DNN算法加快步伐的創新，還考慮了對于下一代 DNN而言，未來的高性能FPGA是否比GPU更勝一籌。我們的研究發現，FPGA 在DNN 研究中表現很出色，可以運用于需要分析大量數據的人工智能、大數據或機器學習等研究領域。使用經過精簡或緊湊的數據類型vs標準的32位浮點數據（FP32）時，接受測試的英特爾Stratix10 FPGA其性能勝過GPU。

除了性能外，FPGA還很強大，就是由于它們具有適應性，很容易實現變化的部分，只需要重復使用現有的芯片，讓團隊在短短6個月內就可以完成從提出想法到構建原型的過程，而不是花18個月構建專用集成電路（ASIC）。