目前，gpu是训练阶段最好的选项。芯片厂商设计gpu的目的是为游戏和其他对图形处理能力有颇高要求的应用渲染图形，但最近数年，谷歌等公司发现，这类芯片提供了训练神经网络的高效途径，这意味着它们能利用更少硬件训练更多神经网络。微软人工智能研究人员xd huang把gpu称作“真正的武器”。最近，他的团队完成了一个系统，可以像人那样识别语言，他们对该系统训练了约1年时间。如果不使用gpu，训练这一系统需要5年时间.

51电子网公益库存:

ADG779BKSZ

ADR5041ARTZ-REEL7

AN431AN-ATRG1

BA05CC0WFP-E2

BA779/PN

BAR63-04W

C3D02060A

CA0239M

CA3046M96

CAT6217-250TDGT3

E28F002BVT120

E28F016S3-120

但企业也需要能迅速执行神经网络的芯片——这一过程被称作推理。谷歌专门为此开发了tpu，微软使用了fpga，百度使用gpu，这些芯片应用在推理中的表现不会像在训练中那样好，但只要佐以合适的软件，它们也可以完成推理任务。

，其他公司在开发适合在智能手机和其他设备上执行神经网络的芯片。ibm就在开发这样的芯片，虽然部分业内人士对这类芯片的有效性提出了质疑。英特尔与movidius达成了收购协议，后者已经在设备中使用这类芯片。

英特尔意识到了市场的变化。4年前，英特尔称它向谷歌销售的服务器芯片多于其他4家公司，因此它明白谷歌及其同门兄弟对市场的影响。英特尔四处收购技术，除altera和movidius外，它还收购了被称作nervana的第三家芯片公司。

英特尔这样做是有意义的，因为市场才刚刚开始发展。英特尔最近表示，“我们目前处于下一波高速增长的边缘，推动下一波高速增长的是人工智能。”

互联网巨头依赖安装有数以千计服务器的数据中心对外提供服务，每台服务器的引擎都是cpu(中央处理器)。但是，随着采用一种被称作深度神经网络的人工智能技术，这些公司开始采用cpu之外的其他类型处理器。通过分析海量数据，神经网络能学会完成包括从识别照片中人脸和物体到语言翻译在内的任务，它们需要cpu之外的其他类型处理器。

谷歌开发了tensor processing unit(以下简称“tpu”)，微软采用被称作现场可编程门阵列(以下简称“fpga”)的处理器，其他公司则采用图形处理器(以下简称“gpu”)。它们都在考虑新型芯片，加速智能手机和其他设备的人工智能任务。

这些公司的选择很重要，因为它们的网络业务规模十分庞大。它们采购和运营的计算机硬件数量超过其他任何公司，随着云计算重要性不断提升，它们的领先优势还会继续扩大。如果谷歌选择一种处理器而非其他处理器，它可能从根本上改变芯片产业格局。

tpu对英特尔和英伟达等公司构成了威胁，因为谷歌自己生产这款芯片。但gpu在谷歌及其同门兄弟中也扮演了一个非常重要的角色，而英伟达是这些gpu芯片的制造商。英特尔通过收购altera也加入了这一阵营。167亿美元收购altera，是英特尔有史以来规模最大的收购交易，也反映了芯片市场的巨变。

但是，使用一种类型处理器满足互联网巨头需求是相当困难的，因为神经网络的运行分为两个阶段。第一个阶段是训练阶段，谷歌等公司训练神经网络完成一类具体任务，例如识别照片中的人脸或翻译语言；第二个阶段是执行阶段，也就是普通用户使用神经网络的阶段，例如，用户在facebook上发布中学同学聚会的照片，它就会自动标注照片中的每个人。这两个阶段有很大不同之处，对处理器有不同要求。

据国外媒体报道，目前，谷歌、facebook、微软、亚马逊和百度等互联网巨头在探索多种能推动人工智能发展的芯片技术，它们的选择将改变英特尔、英伟达等芯片厂商的命运。但目前，即使这些互联网巨头的计算机科学家，也不清楚未来的发展方向