由於NVIDIA GPU平行運算適用於人工智慧深度學習, 近年躍升為AI晶片領頭羊, 氣勢完全壓過CPU雙雄英特爾(Intel)及超微(AMD), 但隨著擁有靈活彈性的現場可編程閘陣列(FPGA)晶片效能, 功耗及運算能力提升, 重金買下FPGA大廠Altera, 全面啟動晶片整合的英特爾, 以及傳出是博通(Broadcom)最新購併對象的賽靈思(Xilinx), 恐將力阻NVIDIA獨大之路, 加上Google, 亞馬遜(Amazon)與蘋果(Apple)積極投入晶片開發, 各式ASIC晶片百花齊放, 2018年AI晶片激戰可期. AI應用正快速在各領域普及, 未來商機規模高達數千億美元, 將帶動新一波產業革新, 吸引各路人馬爭相加碼投資, 握有AI晶片運算技術可望搶先取得AI戰場發話權, 使得AI晶片戰火趨烈. 由目前各路人馬爭相投入晶片平台開發與整合來看, AI戰局暫時由晶片業者擔綱要角. 近年來NVIDIA備受全球市場追捧, 至於英特爾, 超微, 高通(Qualcomm), 聯發科, IBM, Google, 蘋果, Facebook, 亞馬遜, 微軟(Microsoft)亦加速AI晶片開發, 各式ASIC晶片業者也全面崛起. 晶片業者指出, 隨著各式AI晶片運算能力提升, 效能與功耗改善, 可滿足更多元AI應用, NVIDIA雖搶下AI晶片首戰勝利, 但2018年起面臨各路人馬挑戰, 優勢恐將不再. 晶片業者表示, AI殺手級應用並未出現, 目前仍難斷定NVIDIA GPU為最適合深度學習的晶片, 現有演演算法眾多, 尚未見可滿足所有應用需求的晶片, NVIDIA GPU搶先卡位, 主要憑藉平行運算技術優勢及專為AI設計的架構, 並大力開發各種深度學習軟體, 函式庫和工具, 提供較完整的深度學習解決方案, 加速深度神經網路和訓練效能. 英特爾先前因CPU執行AI效率不佳而遭到NVIDIA壓制, 後來藉由購併策略迅速擴增AI實力, 2015年以167億美元買下FPGA大廠Altera, 藉由FPGA運算能力和靈活性彌補CPU缺點, 2016年英特爾再購併AI與深度學習業者Nervana Systems, 2017年又砸下153億美元買下自駕車技術大廠Mobileye, 英特爾AI軟, 硬體技術整合效益漸顯. 英特爾新推出的Nervana AI平台具備多元化優勢, Intel Xeon可擴充產品系列針對持續演化的AI工作負載, 提供高度可擴充運算能力, 並為最密集的深度學習訓練推出代號為Lake Crest的專屬晶片; Intel Mobileye專為主動式安全自動駕駛等應用所設計的視覺技術; Intel FPGA用以執行深度學習推論的可編程加速器; Intel Movidius的低功耗視覺技術, 讓機器學習得以在多樣化的終端裝置上執行. FPGA大廠賽靈思同樣主打耗能低於CPU且能以更快速度執行AI運算, 近期在深度學習的神經網路演算獲得市場支援, 包括百度, 亞馬遜都開始使用, 以擴展NVIDIA GPU無法達成的運算任務, 賽靈思FPGA產品獲得不少大廠支援, 其並投資大陸深鑒, 強化深度壓縮, 編譯工具鏈及系統層級最佳化機器學習應用領域. 另外, 隨著博通購併高通破局, 市場傳出博通看好FPGA技術應用, 有可能轉向收購賽靈思, 這也使得入列比特大陸ASIC礦機供應鏈的賽靈思, 再度成為全球焦點. 晶片業者認為, 未來AI戰場將是國際大廠廝殺情勢, 目前孤軍奮戰的賽靈思被收編的機會大.
