據國外媒體報道，目前，谷歌、Facebook、微軟、亞馬遜和百度等互聯網巨頭在探索多種能推動人工智能發展的芯片技術，它們的選擇將改變英特爾、英偉達等芯片廠商的命運。但目前，即使這些互聯網巨頭的計算機科學家，也不清楚未來的發展方向。

　　互聯網巨頭依賴安裝有數以千計服務器的數據中心對外提供服務，每臺服務器的引擎都是CPU（中央處理器）。但是，隨著采用一種被稱作深度神經網絡的人工智能技術，這些公司開始采用CPU之外的其他類型處理器。通過分析海量數據，神經網絡能學會完成包括從識別照片中人臉和物體到語言翻譯在內的任務，它們需要CPU之外的其他類型處理器。

　　因此谷歌開發了Tensor Processing Unit（以下簡稱“TPU”），微軟采用被稱作現場可編程門陣列（以下簡稱“FPGA”）的處理器，其他公司則采用圖形處理器（以下簡稱“GPU”）。它們都在考慮新型芯片，加速智能手機和其他設備的人工智能任務。

　　這些公司的選擇很重要，因為它們的網絡業務規模十分龐大。它們采購和運營的計算機硬件數量超過其他任何公司，隨著云計算重要性不斷提升，它們的領先優勢還會繼續擴大。如果谷歌選擇一種處理器而非其他處理器，它可能從根本上改變芯片產業格局。

　　TPU對英特爾和英偉達等公司構成了威脅，因為谷歌自己生產這款芯片。但GPU在谷歌及其同門兄弟中也扮演了一個非常重要的角色，而英偉達是這些GPU芯片的制造商。英特爾通過收購Altera也加入了這一陣營。167億美元收購Altera，是英特爾有史以來規模最大的收購交易，也反映了芯片市場的巨變。

　　但是，使用一種類型處理器滿足互聯網巨頭需求是相當困難的，因為神經網絡的運行分為兩個階段。第一個階段是訓練階段，谷歌等公司訓練神經網絡完成一類具體任務，例如識別照片中的人臉或翻譯語言；第二個階段是執行階段，也就是普通用戶使用神經網絡的階段，例如，用戶在Facebook上發布中學同學聚會的照片，它就會自動標注照片中的每個人。這兩個階段有很大不同之處，對處理器有不同要求。

　　目前，GPU是訓練階段最好的選項。芯片廠商設計GPU的目的是為游戲和其他對圖形處理能力有頗高要求的應用渲染圖形，但最近數年，谷歌等公司發現，這類芯片提供了訓練神經網絡的高效途徑，這意味著它們能利用更少硬件訓練更多神經網絡。微軟人工智能研究人員XD Huang把GPU稱作“真正的武器”。最近，他的團隊完成了一個系統，可以像人那樣識別語言，他們對該系統訓練了約1年時間。如果不使用GPU，訓練這一系統需要5年時間。

　　但企業也需要能迅速執行神經網絡的芯片——這一過程被稱作推理。谷歌專門為此開發了TPU，微軟使用了FPGA，百度使用GPU，這些芯片應用在推理中的表現不會像在訓練中那樣好，但只要佐以合適的軟件，它們也可以完成推理任務。

　　與此同時，其他公司在開發適合在智能手機和其他設備上執行神經網絡的芯片。IBM就在開發這樣的芯片，雖然部分業內人士對這類芯片的有效性提出了質疑。英特爾與Movidius達成了收購協議，后者已經在設備中使用這類芯片。

　　英特爾意識到了市場的變化。4年前，英特爾稱它向谷歌銷售的服務器芯片多于其他4家公司，因此它明白谷歌及其同門兄弟對市場的影響。英特爾四處收購技術，除Altera和Movidius外，它還收購了被稱作Nervana的第三家芯片公司。

　　英特爾這樣做是有意義的，因為市場才剛剛開始發展。英特爾副總裁詹森·韋克斯曼（Jason Waxman）最近表示，“我們目前處于下一波高速增長的邊緣，推動下一波高速增長的是人工智能。”