如今，Google、Facebook、微软、亚马逊以及中国的百度等互联网巨头正在探索各种可以推动AI发展的芯片技术，他们作出的选择将改变英特尔和英伟达这样的芯片制造商的命运。但在这点上，即使这些互联网巨头内部的计算机科学家也不知道未来会怎样。
这些公司的在线服务基于它们装配有数千台服务器的数据中心，每台服务器均由被称为中央处理器（CPU）的芯片驱动。但当他们应用一种被称为深度神经网络的AI形式时，这些公司就需要增加其他处理器作为CPU的补充。神经网络可以通过分析大量数据来学习任务，这些任务包括图像中的人脸和物体的识别，不同语言的翻译等等，因此只有CPU是不够的。
于是，Google造出了Tensor处理器（Tensor Processing Unit，TPU）。微软正在使用被称为现场可编程门阵列（FPGA）的处理器。他们都在寻找一种可以加速智能手机以及其它设备的AI的新型芯片。
这些公司的任何选择都会产生很大的影响，因为他们的在线业务是如此巨大。他们比地球上任何其它公司购买或运营的计算机硬件都要多，而且随着云计算的重要性持续增加，这个差距也只会越来越大。如果Google选择某一种处理器而不是另一种，将会从根本上改变芯片行业。
TPU对英特尔和英伟达这些芯片制造商构成了威胁，因为这个芯片是由Google自己制造的。但GPU对Google以及其他类似公司也有巨大的作用，而英伟达是这些专门芯片的主要制造商。与此同时，英特尔已经通过收购Altera（该公司向微软销售FPGA）将自己融入其中。这场价值167亿美元的收购是英特尔最大的收购案，突显了芯片市场的激烈变化。
但是为这些排序十分困难，部分原因是神经网络的运行分两个阶段。第一个是训练阶段，这个阶段中Google之类的公司训练神经网络来执行特定的任务，例如识别照片中的人脸，或把一种语言翻译成另一种语言。第二个是执行阶段，这一阶段里人们实际使用神经网络，例如，我们把高中同学聚会的照片发布到Facebook上，它会自动标记出每个人分别是谁。这两个阶段是完全不同的，每个阶段需要的处理方式也完全不同。
现阶段，GPU是训练的最佳选择。芯片制造商们设计了GPU来为游戏以及其他高度图形化的应用做图像渲染，但近年来，Google等公司发现这些芯片还能为训练神经网络所需的难以置信的大量计算提供能效更高的方法。微软AI研究员黄学东称GPU是“真正的武器”。最近，他的团队花了大约一年时间建成一个特定对话语音的识别能力达到人类水平的系统，他说，没有GPU的话，可能需要五年。微软就这个系统发表了一篇研究论文后，他在英伟达CEO黄仁勋家里开了一瓶香槟庆祝。
但企业还需要能够快速执行神经网络的芯片，这个执行过程称为推断。Google为此专门打造了TPU，微软使用FPGA。而百度正在使用的GPU不太适合推断，因为GPU是训练用的，但使用合适的软件也可以做推断执行。
与此同时，其他公司正在打造可以在智能手机以及其他终端设备上执行神经网络的芯片。IBM就正在做这样的芯片，尽管有人质疑这种芯片的有效性。另一方面，英特尔收购了Movidius，Movidius是一家已经成功将芯片推广到移动设备的公司。
英特尔理解芯片市场正在发生的变化。四年前，这家芯片制造商说它向Google销售的服务器处理器比销售给其他所有公司（除了另外四家巨头公司外）加起来的还要多，因此，它最能直接体会Google这些大公司对芯片市场的巨大影响。因此，英特尔现在押注于各个领域。买到Altera和Movidius后，它已经就购买第三家AI芯片公司Nervana达成协议。
这不难理解，因为这个市场才正开始发展。“我们眼下正处于下一波大增长浪潮的断崖，而这一波大增长是由人工智能驱动的。”英特尔副总裁Jason Waxman说道。问题在于，这一波浪潮将把我们带向何方。
（本文原文发表于wire，刘小芹编译）
最前沿的电子设计资讯
