AI芯片巨头争霸赛即将上演

毫无疑问，2017年成为了芯片企业和互联网巨头们在芯片领域全面展开部署的一年：先有CPU芯片巨头因特尔年内三次大手笔收购人工智能和GPU领域企业；后有谷歌宣布开发自己的处理系统，

而苹果、微软、脸书和亚马逊也都纷纷加入。而在这其中，英伟达却保持着绝对的领先地位，并因其在人工智能领域的优势使其成为了资本市场的绝对宠儿。

研究机构Tractica LLC估计，由于深度学习项目产生的硬件花费将从2015年的4360万美元，上升到2024年的41亿美元，而企业的相关软件花费将同期从1.09亿美元上升到100亿美元。正是这一庞

大的市场吸引着谷歌、脸书、微软、亚马逊以及百度在内的巨头相继宣布企业向人工智能领域的技术转向。

Nvidia抢得先机

根据英伟达最新公布的年报，其最主要的业务领域均出现了两位数以上的增长。除了其一直占有领先优势的游戏业务增长之外，其更多的涨幅事实上来自于数据中心业务和自动驾驶两大全新业务

块。年报数据显示，数据中心业务有138%的增长，而自动驾驶有52%的增长。“事实上，这是整个英伟达财报里最具有说明力的内容，因为数据业务和自动驾驶的增长根本上是人工智能和深度学习

的发展所激发的。”一位美国计算机硬件分析师向21世纪经济报道表示。英伟达目前的成功事实上代表了GPU的成功，它正是最早的GPU领先者之一。”上述行业分析师表示。

除了在GPU和图形计算领域长期领先，英伟达也是最早一批在人工智能领域进行投资的科技公司。有报告显示，世界上目前约有3000多家AI初创公司，大部分都采用了Nvidia提供的硬件平台。

AMD和Intel巨头的AI演变

投资者和芯片制造商关注着所有互联网巨头的一举一动。仅仅以英伟达的数据中心业务为例，在很长一段时间以来，该公司一直为谷歌提供数据服务。英伟达并非GPU的唯一领先者，巨头Intel和

AMD都在这一领域有着不同的优势。

2016年11月，Intel公司发布了一个叫做Nervana的AI处理器，他们宣称会在明年年中测试这个原型。如果一切进展顺利，Nervana芯片的最终形态会在2017年底面世。

Intel公司披露了一些关于这个芯片的一些细节，按照他们所说，这个项目代码为“Lake Crest”，Lake Crest利用私有的数据连接创造了规模更大、速度更快的集群，其拓扑结构为圆环形或其他形

式。这帮助用户创造更大、更多元化的神经网络模型。这一数据连接中包含12个100Gbps的双向连接，其物理层基于28G的串并转换。

TPU与FPGA可能的逆袭

在上述芯片巨头进行GPU领域的提升之外，有更多的企业在试图引发一轮全面的颠覆。其代表为谷歌在2016年宣布将独立开发一种名为TPU的全新的处理系统。

TPU是专门为机器学习应用而设计的专用芯片。通过降低芯片的计算精度，减少实现每个计算操作所需的晶体管数量，从而能让芯片的每秒运行的操作个数更高，这样经过精细调优的机器学习模型

就能在芯片上运行得更快，进而更快地让用户得到更智能的结果。Google将TPU加速器芯片嵌入电路板中，利用已有的硬盘PCI-E接口接入数据中心服务器中。

除了谷歌，微软也在使用一种叫做现场可变编程门阵列（FPGA）的新型处理器。

据介绍，这个FPGA 目前已支持微软Bing，未来它们将会驱动基于深度神经网络——以人类大脑结构为基础建模的人工智能——的新搜索算法，在执行这个人工智能的几个命令时，速度比普通芯片

快上几个数量级。有了它，你的计算机屏幕只会空屏23毫秒而不是4秒。

由于深度学习和人工智能未来的巨大前景，各大巨头都在尽量争取技术上的优势。如果这其中的某家公司，如谷歌，用一种新型芯片替换掉现有芯片，这基本上就相当于颠覆了整个芯片行业。

“不管是英伟达、Intel还是谷歌或是百度，都在寻找一种未来人工智能能够广泛应用的基础。”Therese Poletti表示。而也有很多人持有与谷歌副总裁Urs Holzle 同样的观点，认为在人工智能的遥远

未来，GPU没有代替CPU，而TPU也不会取代GPU，芯片市场将出现更大的需求和繁荣。