由于人工智能的兴起，英伟达（NVIDIA）凭借其GPU在该领域的优势而获得营收和股价的持续增长，而Intel则被质疑它可能在该领域无法应对英伟达的挑战，不过近日微软采用Intel的FPGA芯片作为实时AI云平台Project Brainwave的DPU，似乎显示出Intel有望改变劣势。

NVIDIA挑战Intel

NVIDIA的GPU之所以能在人工智能领域取得优势，在于其拥有较Intel的CPU更强的并行计算、低精度运算等性能，由于这种优势当前全球大多使用NVIDIA的GPU训练神经网络。

借助GPU的这种优势，NVIDIA开始进军服务器市场。在当前的服务器市场，Intel的X86处理器占据绝对优势市场份额，获得99%的市场份额。NVIDIA进军服务器市场选择的是ARM架构，希望借助ARM架构所拥有的低功耗、低成本优势挑战Intel在服务器芯片市场的垄断地位。

NVIDIA本财年第一季的财报显示，其数据中心业务收入达到4.09亿美元，同比增长186%，显示出了强大的攻势。NVIDIA还获得了收购了ARM的软银的支持，今年5月软银持有NVIDIA 4.9%股份成为其第四大股东。

软银在收购ARM后正希望它在垄断了移动市场后向服务器芯片市场发展，期望到2020年能占有服务器芯片市场20%的份额，除了NVIDIA外，高通、AMD都发布了它们的ARM架构服务器芯片。

不过在形势一片大好之下，NVIDIA在人工智能领域也有它的短板，在处理延时方面CPU较NVIDIA的GPU更有优势，GPU 处理的首要目标是运算以及数据吞吐量，而 CPU 内部晶体管的首要目的是降低处理的延时，对于自动驾驶等对低延时有极高要求的行业来说这是GPU的一大弱点。

Intel为改变在人工智能领域的弱势做出的努力

Intel缺乏自己的GPU，为改变在人工智能领域的劣势它先后收购了FPGA大厂Altera。FPGA最初是从专用集成电路发展起来的半定制化的可编程电路，通过用不同的编程数据产生不同的电路功能，拥有很高的灵活性及适应性，因此它可以作为一种用以实现特殊任务的可再编程芯片应用于机器学习中。

相比起GPU的优势在于FPGA在出厂后可以在硬件电路里“现场编程”相应的程序，改变FPGA的硬件结构让FPGA可以原生支持相应的人工智能运算，因此效率会比GPU更高。谷歌的TPU其实也类似于FPGA，专为它的深度学习语言Tensor Flow定制的一种芯片，只是TPU不可以再通过编程来改变，而FPGA可以因此拥有更高的灵活性。

Intel还收购了深度学习(deep learning)技术供应商Nervana Systems，Nervana是一家人工智能初创企业，据称其研发的加速处理器较NVIDIA的顶级图形处理器在运行神经网络任务时将会有更好的性能。

Intel方面希望将自己的服务器芯片至强处理器和Nervana的加速处理器整合在人工智能领域拥有更强的性能，同时更易于编程，这与它收购Altera以提供可编程的通用人工智能芯片的目的是相通的。

如今微软引入Intel的FPGA芯片用于其实时AI平台，意味着Intel在人工智能领域可能将取得突破。市调机构Synergy Research指微软为全球第二大云平台占有11%的市场份额，亚马逊则是第一大云平台占有34%的市场份额，不过这两家企业近期在云业务方面展开合作，这两家企业都希望将人工智能服务打包在云服务中以更好为其他企业提供服务。

Intel的FPGA芯片被用于微软这家全球第二大的云平台中，如果取得不错的效果无疑将起到极大的示范作用，为Intel在人工智能市场赢得更多市场份额，这对于NVIDIA来说可不是好消息。

Intel占有全球服务器芯片市场近乎垄断的市场份额也有利于其在人工智能领域取得优势，人工智能需要大数据，而Intel的服务器芯片被广泛应用于数据中心中，只是此前由于Intel缺乏GPU而难以与NVIDIA抗衡，在收购Altera和Nervana它正补上这一短板。

相比之下，NVIDIA虽然寄望通过开发ARM架构的服务器芯片，但是目前其在服务器芯片市场相比起Intel还太弱，ARM方面也不过是寄望到2020年赢得有限的市场份额，NVIDIA在服务器芯片市场更难挑战Intel。形势似乎开始往有利于Intel的方向发展了。