由于NVIDIA GPU平行运算适用于人工智能深度学习, 近年跃升为AI芯片领头羊, 气势完全压过CPU双雄英特尔(Intel)及超微(AMD), 但随着拥有灵活弹性的现场可编程闸阵列(FPGA)芯片效能, 功耗及运算能力提升, 重金买下FPGA大厂Altera, 全面启动芯片整合的英特尔, 以及传出是博通(Broadcom)最新购并对象的赛灵思(Xilinx), 恐将力阻NVIDIA独大之路, 加上Google, 亚马逊(Amazon)与苹果(Apple)积极投入芯片开发, 各式ASIC芯片百花齐放, 2018年AI芯片激战可期. AI应用正快速在各领域普及, 未来商机规模高达数千亿美元, 将带动新一波产业革新, 吸引各路人马争相加码投资, 握有AI芯片运算技术可望抢先取得AI战场发话权, 使得AI芯片战火趋烈. 由目前各路人马争相投入芯片平台开发与整合来看, AI战局暂时由芯片业者担纲要角. 近年来NVIDIA备受全球市场追捧, 至于英特尔, 超微, 高通(Qualcomm), 联发科, IBM, Google, 苹果, Facebook, 亚马逊, 微软(Microsoft)亦加速AI芯片开发, 各式ASIC芯片业者也全面崛起. 芯片业者指出, 随着各式AI芯片运算能力提升, 效能与功耗改善, 可满足更多元AI应用, NVIDIA虽抢下AI芯片首战胜利, 但2018年起面临各路人马挑战, 优势恐将不再. 芯片业者表示, AI杀手级应用并未出现, 目前仍难断定NVIDIA GPU为最适合深度学习的芯片, 现有演算法众多, 尚未见可满足所有应用需求的芯片, NVIDIA GPU抢先卡位, 主要凭藉平行运算技术优势及专为AI设计的架构, 并大力开发各种深度学习软件, 函式库和工具, 提供较完整的深度学习解决方案, 加速深度神经网络和训练效能. 英特尔先前因CPU执行AI效率不佳而遭到NVIDIA压制, 后来借由购并策略迅速扩增AI实力, 2015年以167亿美元买下FPGA大厂Altera, 借由FPGA运算能力和灵活性弥补CPU缺点, 2016年英特尔再购并AI与深度学习业者Nervana Systems, 2017年又砸下153亿美元买下自驾车技术大厂Mobileye, 英特尔AI软, 硬件技术整合效益渐显. 英特尔新推出的Nervana AI平台具备多元化优势, Intel Xeon可扩充产品系列针对持续演进的AI工作负载, 提供高度可扩充运算能力, 并为最密集的深度学习训练推出代号为Lake Crest的专属芯片; Intel Mobileye专为主动式安全自动驾驶等应用所设计的视觉技术; Intel FPGA用以执行深度学习推论的可编程加速器; Intel Movidius的低功耗视觉技术, 让机器学习得以在多样化的终端装置上执行. FPGA大厂赛灵思同样主打耗能低于CPU且能以更快速度执行AI运算, 近期在深度学习的神经网络演算获得市场支持, 包括百度, 亚马逊都开始使用, 以扩展NVIDIA GPU无法达成的运算任务, 赛灵思FPGA产品获得不少大厂支持, 其并投资大陆深鉴, 强化深度压缩, 编译工具链及系统层级最佳化机器学习应用领域. 另外, 随着博通购并高通破局, 市场传出博通看好FPGA技术应用, 有可能转向收购赛灵思, 这也使得入列比特大陆ASIC矿机供应链的赛灵思, 再度成为全球焦点. 芯片业者认为, 未来AI战场将是国际大厂厮杀情势, 目前孤军奋战的赛灵思被收编的机会大.
