Google, 英特爾, NVIDIA針對人工智慧應用推出的最新晶片, 都號稱能提供極高的運算速度及準確度. 除此之外, 有鑒於一般客戶很難快速掌握市面上各種不同的軟硬體選項, ARM, 超微(AMD), 亞馬遜(Amazon), Facebook的新產品於是以此為訴求, 希望能使模組與各個晶片的結合達到最佳化. 根據The Register報導, Google Pixel 2搭載的協同處理器Pixel Visual Core, 是Google第一款智能手機晶片, 並且是專為執行Pixel 2的影像處理機器學習軟體所設計. Pixel Visual Core擁有8個影像處理擷取引擎(IPU), 每個IPU核心都有512個簡單算術邏輯運算單元(ALU), 每秒鐘能處理3兆個作業. Google表示, 要發揮IPU效率需有軟硬體密切配合. 雖然將大部分細節交由軟體處理能提升硬體效率, 但要用傳統程式語言編寫IPU也因此變得更加困難. 除了Halide, TensorFlow外, Google還打造了客制化的編譯器進行軟體優化. Pixel Visual Core是由英特爾負責代工, 並會在未來透過Pixel 2軟體更新正式啟動. 英特爾專為深度學習模組的訓練與部署推出了Nervana神經處理器. 這款ASIC晶片在過去被稱為 'Lake Crest' , 據說能應付神經網路中大量的陣列相乘(matrix multiplication), 折積(convolution)運算作業. Nervana晶片使用了精準度較低的Flexpoint格式, 因此運算密度較低, 但存儲器頻寬也相對較高. Nervana晶片將於2017年底前出貨, 而Facebook將是第一個採用的廠商. 曾任歐巴馬政府技術政策顧問的Terah Lyons率領亞馬遜, Google, Facebook, 微軟(Microsoft), DeepMind, 蘋果(Apple)等重要機器學習業者, 組成了Partnership of AI. 該組織的目的在透過人工智慧發展提升社會大眾福祉. 新創公司Comma AI為改車愛好者推出的EON, 結合了行車記錄器與即時顯示裝置, 能夠將行車影像上傳至雲端, 再透過chffr這款深度學習App進行分析. 經過分析的影像可即時回傳到駕駛的智能手機, 並藉由圖示標記提供類似車用抬頭顯示器(HUD)的功能. NVIDIA的Pegasus晶片每秒可執行320兆次運算, 號稱是全球第一個能推動5級自駕車技術的運算平台. 較早推出的Drive PX系列平台採用的是SoC, 已能達到1至3級的自駕車標準. 每個開發團隊都有偏好的軟體, 為使不同人工智慧架構寫成的模型能夠順利轉移, ARM, 超微, 華為, IBM, 高通(Qualcomm), 英特爾都已宣布支援由Facebook, 微軟所主導的開放神經網路交換格式(ONXX). 如此一來, 神經網路在完成訓練後, 也能轉移到別的框架執行推論工作. ONXX對於沒有客制化晶片和缺乏軟體能力的廠商而言無疑是一大福音. 亞馬遜利用Apache MXNet框架開發的Gluon介面, 同樣也能透過預定義層, 優化器, 初始設定軟體讓深度學習模型的原型設計, 建立, 訓練變得更加容易.
