据国外媒体报道，目前，谷歌，Facebook，微软，亚马逊和百度等互联网巨头正在探索各种可促进人工智能发展的芯片技术。他们的选择将改变英特尔和英伟达等芯片制造商的命运。但是目前，即使是这些互联网巨头的计算机科学家也不知道未来的发展方向。互联网巨头依赖于安装有数千台服务器的数据中心来提供外部服务。每个服务器的引擎是一个CPU（中央处理单元）。但是，随着采用称为深度神经网络的人工智能技术，这些公司开始采用除CPU外的其他类型的处理器。通过分析大量数据，神经网络可以学习完成从识别照片中的面部和物体到语言翻译的任务。除了CPU外，它们还需要其他类型的处理器。因此，Google开发了Tensor处理单元（以下称为“ TPU”），Microsoft使用了称为现场可编程门阵列（以下称为“ FPGA”）的处理器，以及其他公司使用图形处理器（以下称为“ GPU”）。他们都在考虑使用新芯片来加速智能手机和其他设备中的人工智能任务。这些公司的选择非常重要，因为它们的网络业务非常庞大。他们购买和操作的计算机硬件数量超过任何其他公司。随着云计算的重要性不断提高，它们的领先地位将继续扩大。如果Google选择处理器而不是其他处理器，则可能会从根本上改变芯片行业格局。 TPU对诸如Intel和Nvidia之类的公司构成威胁，因为Google自己生产该芯片。但是GPU在Google及其兄弟中也起着非常重要的作用，而英伟达（Nvidia）是这些GPU芯片的制造商。英特尔还通过收购Altera加入了这一阵营。 167亿美元的收购Altera是英特尔历史上最大的一笔收购，这也反映出芯片市场的巨大变化。但是，由于神经网络的运行分为两个阶段，因此很难使用一种类型的处理器来满足Internet巨头的需求。第一阶段是训练阶段。诸如Google之类的公司训练神经网络来完成特定类型的任务，例如识别照片中的人脸或翻译语言；第二阶段是执行阶段，这是普通用户使用神经网络的阶段，例如，用户在Facebook上发布初中同学聚会的照片，并会自动在照片中标记所有人。这两个阶段是完全不同的，并且对处理器有不同的要求。目前，GPU是培训阶段的最佳选择。芯片制造商设计GPU的目的是为游戏和其他对图形处理能力有很高要求的应用程序渲染图形。但是，近年来，诸如Google之类的公司发现，此类芯片提供了一种训练神经网络的有效方法，这意味着它们可以用更少的硬件来训练更多的神经网络。微软人工智能研究员XD Huang将GPU称为“真实武器”。最近，他的团队完成了一个可以像人类一样识别语言的系统，并且他们对该系统进行了大约一年的培训。如果不使用GPU，则需要5年的时间来训练该系统。但是公司还需要能够快速执行神经网络的芯片，这一过程称为推理。谷歌为此专门开发了TPU，微软使用了FPGA，百度使用了GPU。这些芯片应用程序的推理能力不如训练中的好，但是只要随附适当的软件，它们也可以完成推理任务。同时，其他公司也在开发适用于在智能手机和其他设备上执行神经网络的芯片。 IBM正在开发这种芯片，尽管业内一些人对这种芯片的有效性提出了质疑。英特尔已经与Movidius达成了收购协议，该公司已经在设备中使用了这种芯片。英特尔了解市场的变化。四年前，英特尔表示，与其他四家公司相比，英特尔向谷歌出售的服务器芯片数量更多，因此它了解了谷歌及其兄弟姐妹对市场的影响。英特尔无处不在购买技术。除了Altera和Movidius外，它还收购了第三家芯片公司Nervana。英特尔这样做是有道理的，因为市场才刚刚开始发展。英特尔副总裁杰森·沃克斯曼（Jason Waxman）最近表示：“我们目前正处于下一波高速增长的浪潮中，