5月下旬，在英特爾首屆AI開發者大會（Intel AI DevCon 2018）上，其全球副總裁兼人工智能產品事業部總經理Naveen Rao表示，英特爾正在開發第一個商用神經網絡處理器產品英特爾Nervana NNP-L1000（Spring Crest），計劃在2019年發布。據他表示，該芯片相較于去年10月推出的代號為“Lake Crest”專用人工智能芯片NNP優化實現3-4倍的訓練性能。

本月初，英偉達正式發布了全新AI芯片“Jetson Xavier”，在CEO黃仁勛看來：“這臺小電腦，將成為未來機器人的大腦”，將該芯片的使用范圍清晰定義在機器人領域。

AMD近日公開了全球首款7納米制程，名為“Radeon Vega”的GPU芯片原型。

IBM在近日提出了全新的芯片設計，可以通過在數據存儲的位置執行計算來加速全連接神經網絡的訓練。

英特爾：深度學習訓練性能提升100倍

對于英特爾來說，想要在巨頭扎堆的AI芯片戰場上站穩腳跟并不容易。PC時代，英特爾以90%的市場份額幾乎完全壟斷了CPU市場，但隨著GPU和各類可替代處理器的不斷推陳出新，CPU的市場開始萎縮。

正是發現了這一趨勢，英特爾也開始依托產業平臺轉型，爭取搭上人工智能的未來浪潮。收購“Nervana”便是濃墨重彩的一筆。

2014年4月，Nervana以打造“深度學習專用硬件”為主營業務正式成立，從成立之初到三輪共2050萬美元融資，到被英特爾收購。三年半時間，終于去年10月公布了Nervana NNP系列初代芯片“Lake Crest”，于去年年底開始出貨。

據了解，這款神經網絡處理器的設計目的是為了快速解決AI應用遇到的數學問題，特別是神經網絡，是目前比較流行的機器學習技術分支。

前Nervana CEO、英特爾全球副總裁兼人工智能產品事業部（AIPG）總經理 Naveen Rao

在此基礎上，本次AI開發者大會上Naveen Rao公開了英特爾新一代AI芯——英特爾Nervana NNP-L1000，代號為“Spring Crest”的專用人工智能芯片，與“Lake Crest”只供應給一小部分英特爾合作伙伴不同，“Spring Crest”成為英特爾第一款商用神經網絡處理器，并計劃在2019年發布。

英特爾的目標是，到2020年將深度學習訓練的性能提升100倍，具體實現路徑是通過Crest的家族，與前代相比，新一代芯片將實現3-4倍的訓練性能。

英偉達：Titan+DRIVE+Jetson

去年12月，英偉達推出了重磅產品“Titan V”PC GPU，該款GPU擁有110萬億次浮點運算性能，是其去年4月份公布的架構Titan Xp的9倍，和用于數據中心的英偉達Tesla V100 GPU一樣，Titan V也更加清晰地面向AI。

據黃教主介紹說，“Volta”系列的“創生”主要為推動高性能計算和人工智能的極限：“我們用新的處理器架構、指令、數字格式，以及存儲器架構等打開新的局面。”

在自動駕駛領域，英偉達的“DRIVE”系列也是各個性能爆表。去年10月，發布了“DRIVE PX Pegasus”自動駕駛平臺，載了兩顆Xavier芯片，以及Volta架構GPU，高配置讓其擁有了高達320 TOPS的深度學習處理能力，這個數值是上一代DRIVE PX平臺的數倍。而僅僅在兩個月后的“CES 2018”上，黃教主在主題演講中展示了NVIDIA最新的自動駕駛技術“DRIVE XAVIER”，在各種“核彈”級參數下，這款芯片在2018年Q1開始流片。

作為Issac項目的嵌入式硬件平臺，Jetson主要面對的應用場景是機器人。相較于此前TX1（Maxwell架構）、TX2（Pascal架構）型號，加了“Xavier”的Jetson含了六顆處理器，每秒可執行30萬億次操作。

據了解，打造這款芯片足足耗費了五年的時間——三年設計、兩年筑造，共有超過8000人參與了設計與開發，是Nvidia單獨做過的最長的處理器項目。它的處理能力與配備了10萬美元GPU的工作站大致相同，但功率僅為30瓦。當前Nvidia的技術，已經被一些企業用于自主倉庫機器人、機器采摘和農業機器人。

AMD：與英特爾合作牽制英偉達

無論在CPU還是GPU的市場份額上，AMD在短期內都無法撼動英特爾和英偉達的行業霸主地位。

但面對英偉達頻頻推出“核彈”，英特爾和AMD開始了合作牽制策略。去年11月，AMD和英特爾又聯手向英偉達發起挑戰，正式宣布聯手推出集成英特爾處理器和AMD圖形處理器的用于輕薄便攜筆記本電腦芯片。

分析人士稱，AMD、英特爾、英偉達未來的競爭主要在人工智能領域。

AMD首席執行官Lisa Su展示最新的7nm GPU

AMD此次公開展示的全球首款7納米制程的GPU芯片原型是對這個預言的應驗。這款含有32GB高帶寬內存的芯片，專為人工智能和深度學習設計，用于工作站和服務器。

據了解，Vega性能相比上一代節點（14納米）性能提高35％，能效提高兩倍，密度也翻了一番。

IBM：DNN算力是GPU100倍

IBM在最近發表在Nature上的一篇論文中表示說，IBM Research AI團隊用大規模的模擬存儲器陣列訓練深度神經網絡（DNN），達到了與GPU相當的精度。

用GPU運行神經網絡的方法近年來已經通行人工智能領域，然而兩者的組合其實并不完美。IBM 研究人員希望專門為神經網絡設計一種新芯片，使前者運行能夠更快、更有效，據研究人員稱，IBM全新芯片可以達到GPU 280倍的能源效率，并在同樣面積上實現100倍的算力。