Google, 英特尔, NVIDIA针对人工智能应用推出的最新芯片, 都号称能提供极高的运算速度及准确度. 除此之外, 有鉴于一般客户很难快速掌握市面上各种不同的软硬件选项, ARM, 超微(AMD), 亚马逊(Amazon), Facebook的新产品于是以此为诉求, 希望能使模组与各个芯片的结合达到最佳化. 根据The Register报导, Google Pixel 2搭载的协同处理器Pixel Visual Core, 是Google第一款智能手机芯片, 并且是专为执行Pixel 2的影像处理机器学习软件所设计. Pixel Visual Core拥有8个影像处理撷取引擎(IPU), 每个IPU核心都有512个简单算术逻辑运算单元(ALU), 每秒钟能处理3兆个作业. Google表示, 要发挥IPU效率需有软硬件密切配合. 虽然将大部分细节交由软件处理能提升硬件效率, 但要用传统程式语言编写IPU也因此变得更加困难. 除了Halide, TensorFlow外, Google还打造了客制化的编译器进行软件优化. Pixel Visual Core是由英特尔负责代工, 并会在未来透过Pixel 2软件更新正式启动. 英特尔专为深度学习模组的训练与部署推出了Nervana神经处理器. 这款ASIC芯片在过去被称为 'Lake Crest' , 据说能应付神经网络中大量的阵列相乘(matrix multiplication), 折积(convolution)运算作业. Nervana芯片使用了精准度较低的Flexpoint格式, 因此运算密度较低, 但存储器频宽也相对较高. Nervana芯片将于2017年底前出货, 而Facebook将是第一个采用的厂商. 曾任欧巴马政府技术政策顾问的Terah Lyons率领亚马逊, Google, Facebook, 微软(Microsoft), DeepMind, 苹果(Apple)等重要机器学习业者, 组成了Partnership of AI. 该组织的目的在透过人工智能发展提升社会大众福祉. 新创公司Comma AI为改车爱好者推出的EON, 结合了行车记录器与即时显示装置, 能够将行车影像上传至云端, 再透过chffr这款深度学习App进行分析. 经过分析的影像可即时回传到驾驶的智能手机, 并借由图示标记提供类似车用抬头显示器(HUD)的功能. NVIDIA的Pegasus芯片每秒可执行320兆次运算, 号称是全球第一个能推动5级自驾车技术的运算平台. 较早推出的Drive PX系列平台采用的是SoC, 已能达到1至3级的自驾车标准. 每个开发团队都有偏好的软件, 为使不同人工智能架构写成的模型能够顺利转移, ARM, 超微, 华为, IBM, 高通(Qualcomm), 英特尔都已宣布支援由Facebook, 微软所主导的开放神经网络交换格式(ONXX). 如此一来, 神经网络在完成训练后, 也能转移到别的框架执行推论工作. ONXX对于没有客制化芯片和缺乏软件能力的厂商而言无疑是一大福音. 亚马逊利用Apache MXNet框架开发的Gluon介面, 同样也能透过预定义层, 优化器, 初始设定软件让深度学习模型的原型设计, 建立, 训练变得更加容易.
