其实人工智能计算还是分很多领域，芯片应用大概有两个极端： 一个是用于云端服务器的高功耗高计算能力的芯片，走的是高性能超级计算机(HPC)的路子;另一个是用于终端(比如手机)的人工智能芯片，这个就特别注重低功耗，对计算能力的要求不是特别高。

在云端服务器这个领域，因为要处理海量的数据，Nvidia的GPU已经成为服务器不可或缺的一部分，但Nvidia自己目前还没有打算大规模自己做服务器，因此在人工智能的云端市场，Nvidia提供的是硬件而非平台。而在终端这个领域，Nvidia基于GPU的人工智能平台一方面功耗太大，另一方面过高的计算能力反而导致成本过高，因此无法与定制芯片抗衡。其实，Nvidia的人工智能平台最具优势的应用场景是上面两种情况的中间，即数据量中等、对计算能力要求还比较高、对功耗有一定要求但是并不苛刻的地方，比如ADAS市场。Nvidia人工智能平台无论计算能力(10-100TOPS)还是功耗(10-100W)都能完美地符合要求，因此它主打自动驾驶市场并不奇怪，它在2017年1月份举办的CES上也主要发布了自动驾驶相关的产品。

Intel的话，从三个方面来说吧。第一，在云端市场，它是最大的玩家，并且正在积极准备与Nvidia抗衡，因为Intel在HPC方面的业务本来就是驾轻就熟，而Nvidia进入HPC还没有几年，只能算这个市场的new player。大概是在2013年的时候，人们才发现原来GPU可以用于深度学习，之前根本不知道这个事情。说回Intel，它在收购Altera之后推出了基于FPGA的专用深度学习加速卡，可以在云端使用。另外Intel收购Nervana后正在积极推广结合其技术为AI优化的Knight Mill至强处理器，目标也是在云端。第二，在车载端，Intel与Mobileye和BMW结成了自动驾驶联盟，Mobileye提供传感器芯片和算法，Intel提供云端计算平台，BMW提供汽车。第三，在移动端，Intel收购了Movidius，但是尚未看到大的动作。所以我预期，移动端的人工智能芯片，如果有的话还是高通之类的厂商会比较有优势。

再说Google，它推出来的芯片TPU主要是自用的。这个有点像IBM，IBM最早出的Power PC系列芯片也是为了给自己的server用。所以Google也是类似的思路，它的芯片就没有打算给别人用，换句话说它没有真的打算进入芯片这个市场，和别人竞争。

最后说AMD，它在GPU和CPU的技术都处于追赶者的位置，在AI方面比较低调，在CES上公布新产品的时候也都没有主动去提人工智能的事情。最近的新闻大概是和阿里巴巴合作云端服务作为试水。AMD的总体思路还是求稳，不刻意去跟Nvidia争谁先谁后，它就等你们把这些东西先做出来再说，自己就很踏实地把显卡技术做好。其实GPU天生就符合深度学习的要求，只要AMD把自己芯片的运算能力做上去，它很快就可以杀入人工智能这个领域中来。