知名高科技大厂包括Google、Facebook以及微软(Microsoft)正积极赶上人工智能(AI)浪潮，日前所举行的2018年微软Build开发者大会以及Google I/O均不约而同地以AI为主轴，然而，除了少数大型公司相对松散无组织的发散性计划外，大多数AI开发计划多由半导体业者从芯片设计端来执行，一如过去数10年来在电脑运算领域的情况一样。 NVIDIA无疑是当前在AI运算效能方面以及在大多数开发者心目中的绝对领先者，尽管英特尔(Intel)仍在服务器以及企业级运算领域隶属第一大供应商地位，但也很清楚该公司亟需加速在AI领域的发展，尤其是机器学习市场，否则恐将拱手让出过去10年来英特尔在企业级运算市场最大增长动能商机所在。 根据彭博(Bloomberg)、MarketWatch等媒体报导指出，NVIDIA执行长黄仁勋成功地带领公司从电竞绘图处理器(GPU)供应商，转型成为一家AI公司，基本上，电竞以及绘图处理器业务担任了稳定性相当高的公司转型基础，使得NVIDIA在探索机器学习领域时借此吸收了开发成本，进一步增加了学习曲线的效果，NVIDIA的股价在4年内跳增14倍也间接表明了投资人对于黄仁勋的转型策略与成果有信心。 不过，英特尔依旧是在服务器以及先进运算领域上规模最大、也最难以忽视的敌人。尽管NVIDIA的AI成果使其成为媒体宠儿，但不可否认的是，英特尔旗下的资料中心部门最新一季营收便高达52亿美元，年增率上看24%。相较之下，NVIDIA合计4季、亦即2018会计年度旗下资料中心部门营收也才达到19.32亿美元规模，虽然其成长率高达133%呈现爆炸性发展，多靠AI订单加持，然以英特尔的经济规模优势观之，急起直追NVIDIA在AI领域的进展，其实也多有所恃。 事实上，NVIDIA与英特尔甫于日前展开一场关于在AI领域到底谁才是效能赢家的论战。NVIDIA在部落格上提出全球最快的节点系统以及导入亚马逊AWS、用来作为AI训练演算法的ResNet-50。NVIDIA的Tesla架构以及系列产品声称比起Google的TPU AI产品快上3倍之多。在此同时，英特尔也在部落格比较旗下Xeon企业级处理器系列产品的AI运算效能。尽管多数业界人士相信绘图处理器再加上专属AI处理器(dedicated AI processor)，将是主导机器学习运算的未来发展，但英特尔显然并不是如此这么认为的。 诚然，不同的工作负载以及演算法将受惠于来自不同的芯片设计。举例来说，英特尔所提出的测试结果，使用的是被称之为递归神经网路(recurrent neural network；RNN)，此种神经网路系统取决于先前的计算成果好进行到现行的运算结果里，至于这种类型的神经网路时常被运用到人工智能系统里，例如自然语言处理(natural language processing)。值得注意的是，标准型处理器就能够在此种工作负载下运行非常顺利，这是由于其相当符合典型的运算问题与架构。 相对地，来自NVIDIA的绘图处理器(GPU)反而更适合应用在以卷积神经网路(convolutional neural networks；CNN)为基础的情况下，至于此种CNN为基础的网路较常应用在影像分类方面，而且也更容易被裂解成资料碎片，使得资料与资料之间的依属性降到最小，通常例如自驾车系统、监控系统等多隶属于此种卷积神经网路，也因此是目前NVIDIA业务发展的长项。 然而，英特尔另辟蹊径的策略选择，并不意味着盲目的避开GPU这个选项，事实上，英特尔很清楚地知道不可能在没有足可匹敌的GPU或是专属AI芯片的情况下，便能够成功挑战甚或压制NVIDIA这个强有力的竞争对手。有鉴于此，英特尔收购了Nervana以及Movidius，此外，英特尔斥资收购的Altera取得FPGA芯片业务，也多有为其AI铺路之意，更明显的是，为了补足在独立型绘图处理器的技术缺口，英特尔大手笔延揽了Raja Koduri以及Jim Keller两位知名半导体产业老将操盘。 相较于NVIDIA的单一产品策略，英特尔显然投下全公司之力、企图以系统战反攻这场AI战局，此种方式提供了硬体基础建设、互连技术等，好让多重芯片聚合运行测试，有别于其他企业所办不到的能够在不同平台、不同开发软体以及协同伙伴之间，寻求各种AI解方，英特尔此种开发能量，再加上其各种相当不同的研发方向，促使其能够在AI版图更迭或成长时，富有弹性地与时具进，这样的系统战策略恐怕也只有英特尔这样的巨兽有本钱投入。 | 
