在人工智能領域，英特爾已經落后了一步，NVIDIA借著GPU的平行運算能力攻克市場，Google打造了一款芯片，IBM也發表仿神經型態芯片。后來者英特爾能否追趕前者，占據一席之地。

　　英特爾（Intel）雖擁有傲人的芯片技術，但在近年最熱門的人工智能（AI）領域，英特爾還未能有較突出的表現。為扭轉劣勢，英特爾買下了深度學習芯片廠商Nervana Systems，并計劃在2017年底前推出第一款AI專用化（purpose-built） Nervana神經網路處理器（NNP）。

　　據報道，電腦視覺、語音辨識等深度學習應用通常需在大型陣列進行矩陣計算，而這并非英特爾Core或Xeon等通用型芯片的長項。英特爾期望借由即將推出的NNP彌補AI這塊缺口，并邀請到致力于深度學習及AI展的Facebook參與芯片設計。

　　除了Facebook擅長的社群媒體應用外，英特爾還計劃將其AI芯片推廣到健康醫療、汽車、氣象等領域。

　　Nervana NNP是一款特定用途積體電路（ASIC），能以極高運算效率從事深度學習演算法的訓練與執行。英特爾舍棄了CPU上常見的快取，改由特殊軟體負責特定演算法的芯片存儲器管理，希望能借此將芯片的運算密度與性能提升到新的層次。

　　Nervana NNP還可透過芯片內外部的高速互連，支援大量雙向資料傳輸。如果連結多個NNP芯片，就可組成一個巨大的虛擬芯片，應付規模不斷升級的深度學習模組。

　　值得一提的是，Nervana NNP采用了一種精度較低的Flexpoint格式。英特爾AI副總裁Naveen Rao表示，神經網路對于資料的雜訊有相當高的容忍度，而這些雜訊甚至還可協助神經網路匯集出新的解決方法。精度較低的Flexpoint有助提升系統平行處理能力、降低延遲、增加頻寬。

　　在英特爾投入AI發展前，NVIDIA便借著GPU的平行運算能力搶先一步攻克市場，但GPU擅長的是演算法訓練而非執行。另一方面，英特爾最大競爭對手高通（Qualcomm）則投入了擅長執行AI程式的芯片研發。

　　英特爾的NNP芯片同時以AI的訓練與執行為目標，并會陸續推出新的版本。除此之外，英特爾還投入了一款名為Loihi的神經形態（neuromorphic）芯片，以及機器視覺芯片Myriad X的研發。

　　就在英特爾努力追趕之際，NVIDIA也針對AI應用程式（App）推出了V100芯片，并延攬到Clement Farabet擔任AI架構副總，希望能提升其芯片執行深度學習程式的能力。

　　在此同時，Google為數據中心應用自行打造了一款Tensor Processing Unit （TPU）芯片，IBM也發表了名為True North的仿神經型態芯片。