如今，谷歌，脸书，微软，亚马逊这些互联网巨头们都竭力探索，试图找到能进一步促进人工智能发展的芯片。而他们的决策将会给因特尔和英伟达那样的芯片制造商带来 180 度的巨大变革。
未来情形究竟？在这个节骨眼上，就算是在互联网任职计算机科学家们也很难给个准话。
| 变革即将来临
上述那些大型互联网公司的线上服务通常需要海量数据来支撑，而包含大数据的上千台服务器则各自通中央处理器（或称 CPU ）的芯片来驱动。可是，当这些公司开始用新的方式——深度神经网络（人工智能的分支形式）来解决问题，提供服务时，他们就得使用与之相匹配的处理器了，如谷歌专为机器学习设计的 Tensor 处理器（TPU）。神经网络可以通过分析大数据习得某种能力，比如识别照片中的人脸和物体和双语翻译。而在解决这些更加复杂的问题时，仅仅用 CPU 显然能力不足。
除了上述提到的谷歌，微软也在使用一种叫做现场可变编程门阵列（FPGA）的新型处理器。另外，还有数不清的公司已大量配备图形处理器（GPU）——他们这样做，无非是想通过更高效的芯片加速智能手机和其他设备中人工智能的应用。
而投资者和芯片制造商对这些公司的一举一动关注如此密切，主要是因为他们的线上业务实在庞大得很，而且他们在计算机硬件市场上的占有量大到其他公司只有望其项背的份。因此，云计算的发展只会使这一鸿沟继续扩大。而如果这其中的某家公司，如谷歌，用一种新型芯片替换掉现有芯片，这基本上就相当于颠覆了整个芯片行业。
英特尔和英伟达对谷歌自己制造 TPU 感到十分恐慌。但在谷歌和类似公司中，GPU 的分量同样也很重。
英伟达是这类特殊芯片的主要制造商。但英特尔也不甘示弱，它通过收购 Altera （该公司向微软销售 FPGA）壮大自己的力量。此次收购是因特尔有史以来耗资最多的一次，高达 167 亿美元——这也再一次向人们宣告，芯片市场即将迎来大变革。
| 先搞训练，再谈执行
把一个神经网络投入实际应用中要经历两个阶段：首先是训练，其次是执行。
拿谷歌人脸识别举例。第一阶段，研究人员会用大量的照片和特定算法来训练神经网络。第二阶段则是我们把自己高中同学聚会的照片 po 在脸书上，让神经网络识别并自动标记出里面的每个人。
两个阶段的工作任务截然不同，所需的处理方式也各有所异。而对于第一步训练神经网络来说， GPU 无疑是最好的选择。
一开始，芯片制造商设计 GPU 是为让游戏，或其他高度图形化的应用做图像渲染。但近年来谷歌这样的公司发现训练神经网络时遇到的令人抓狂、无休无止的计算，也能用 GPU 轻松搞定。GPU 的这一新技能表明，以后，想要训练更多神经网络只需更少的硬件即可。
微软人工智能研究院 XD Huang 把 GPU 称为“真正的武器”。最近，他和他的团队才设计出能和人一样识别出特定对话语音的系统，这花了他们近一年的时间。而没有 GPU，他表示，这得花上五年之久。研究论文发表后，他和英伟达 CEO 黄仁勋后还专门在家开了一瓶香槟以表庆贺。
但是，公司还需要能够快速执行神经网络决策的芯片，这一过程称为推论（ inference）。上述提到的谷歌使用的 TPU 和微软使用的 FPGA 皆是为此服务。百度则使用的是 GPU，虽然它不太适用于这一过程，但配合着相应的软件也能完成任务。
| 除了计算机，还有智能硬件
与此同时，还有些公司在寻找芯片新市场时，把目光转向了智能硬件。他们希望设计出让神经网络在智能手机或其他设备上快速执行的芯片。
比如 IBM。尽管有人质疑这样做能有多大成效，但不只是 IBM，就连英特尔也加入了这一行列。英特尔已同意收购有同样业务的硅谷计算机视觉芯片公司 Movidius 。
因为英特尔知道，市场正在悄然发生变化。
四年前，英特尔说除去另外四家大公司，它向谷歌销售服务器处理器的量比销售给其他所有公司的总量都要多。所以，它是谷歌这类公司改变芯片市场的直接见证者。英特尔现在是四处押注，除了收购 Altera 和 Movidius，它还和人工智能芯片公司 Nervana 达成兼并协议。
这种做法很有意义，因为该市场刚显示出发展劲头。英特尔副总裁 Jason Waxman 近日向我说道，
长江后浪推前浪，我们现在就处在后浪的浪尖上，而人工智能就是它的推动力。
只是，这波浪潮将把我们带往何处，也许时间会告诉我们一切。
核心关注：拓步ERP系统平台是覆盖了众多的业务领域、行业应用，蕴涵了丰富的ERP管理思想，集成了ERP软件业务管理理念，功能涉及供应链、成本、制造、CRM、HR等众多业务领域的管理，全面涵盖了企业关注ERP管理系统的核心领域，是众多中小企业信息化建设首选的ERP管理软件信赖品牌。
转载请注明出处：拓步ERP资讯网http://www.toberp.com/
相关文章
