2001年6月26日，著名導演史蒂文·斯皮爾伯格執(zhí)導的《人工智能》（英文名：《AI》）在美國上映。影片講述的是機器人小男孩大衛(wèi)為了尋找養(yǎng)母，并縮短機器人與人類的差距而奮斗的故事。
谷歌英特爾英偉達間彼此競爭又互相需要" alt="AI時代 谷歌英特爾英偉達間彼此競爭又互相需要" src="http://images.ofweek.com/Upload/News/2017-06/10/Trista/1497059745328027861.jpg" width="600" height="393"/>
《人工智能》電影劇照
大衛(wèi)是一個被輸入情感程序的機器人男孩，Cybertronics Manufacturing公司員工亨瑞和他妻子制造出的一個試驗品。他們收養(yǎng)了大衛(wèi)，并給了他足夠的愛，但是人類與機器都無法接受大衛(wèi)。于是大衛(wèi)踏上旅程去尋找真正屬于自己的地方，渴望成為一個真正意義上的人。
在這部影片上映15年后，機器人還沒有成為真正意義上的人, 但人工智能在圍棋領域戰(zhàn)勝了人類。它的強大和超強的進化能力，讓人類棋手難以望其項背。
AlphaGo以3:0戰(zhàn)勝柯潔九段
“AlphaGo Master比AlphaGo Lee（與李世石對戰(zhàn)的版本）要強大，Master在對戰(zhàn)中耗費的能力（性能和功耗）僅是Lee版本的十分之一，需要4個TPU在單臺電腦上運行即可?！盌eepMind首席科學家David Silver在AlphaGo戰(zhàn)勝李世石后這樣解釋說。
AlphaGo強大到令人絕望，引發(fā)了“人工智能威脅人類”的討論。但在本質(zhì)上，人工智能是算法、數(shù)據(jù)和硬件三個要素綜合的結(jié)果。
一旦涉及到算法、數(shù)據(jù)，就離不開計算。在這個領域，用來計算的硬件主要是TPU、GPU和CPU，他們背后代表的公司則分別是谷歌、英偉達和英特爾。這幾家公司彼此競爭，又互相需要。
TPU（Tensor Processing Unit）是專為機器學習而定制的芯片，經(jīng)過了專門深度機器學習方面的訓練。谷歌工程師Norm Jouppi介紹，在人工智能相關的算法上，它的計算速度更快，計算結(jié)果更精準，同時也更加節(jié)能。
谷歌在I/O 2017上發(fā)布第二代Cloud TPU
人工智能依賴于機器學習（Machine Learning），機器學習又依賴于硬件，它需要硬件平臺提供大量的運算資源。就計算效率來說，專用工具的計算效率遠高于通用工具。專門為機器學習定制而出現(xiàn)的谷歌的TPU就是一種專用的工具，業(yè)內(nèi)普遍認為它的出現(xiàn)對于通用工具GPU來說是一種威脅。
GPU的設計初衷不是主要用來進行神經(jīng)網(wǎng)絡運算，而是圖像處理。由于其特殊的構造碰巧也比較適用于神經(jīng)網(wǎng)絡運算，所以在TPU出現(xiàn)之前，大多數(shù)做機器學習廠商都在同時利用FPGA和GPU來改進訓練自己的神經(jīng)網(wǎng)絡算法。
英偉達創(chuàng)始人兼CEO黃仁勛卻不認同“TPU威脅論”，在接受鳳凰科技的采訪時，他表示谷歌的TPU不會對英偉達的Volta GPU構成威脅，雙方在TensorFlow項目上保持著合作，而Volta GPU的運算能力甚至在TPU之上。
作為世界最大的GPU制造商之一，英偉達一直不遺余力地推廣GPU在深度學習領域的應用。老黃將英偉達稱為“一家人工智能公司”。
談到英偉達基于GPU的人工智能戰(zhàn)略，需要先從Volta說起。
在今年5月11日的NVIDIA GTC 2017上，英偉達推出了全新的GPU架構Volta。英偉達應用深度學習研究副總裁Bryan Catanzaro表示這并不是前代架構Pascal的升級，而是一個全新的架構。Volta提供大量的FLOP（浮點運算），基于Volta的架構，人們就可以使用需要更多FLOP的深度學習模型。如今很多流行的模型都需要很大的計算資源，例如卷積學習神經(jīng)網(wǎng)絡。
黃仁勛展示基于Volta架構的Tesla V100加速芯片
基于全新的Volta架構，英偉達推出Tesla V100加速器，它速度比其前身Tesla P100快2.4倍。
Tesla V100凝聚了英偉達內(nèi)部數(shù)千名工程師數(shù)年的開發(fā)，研發(fā)投入相當于30億美金。黃仁勛在NVIDIA GTC 2017的主題演講中，展示了一塊Tesla V100，他笑稱全世界唯一一塊就在他手上，如果有人想買的話，那么價格就是30億美金。
而在Tesla V100加速器基礎上，英偉達推出了超級計算機DGX-1V和HGX。
DGX-1V內(nèi)置了8塊Tesla V100，黃仁勛表示“DGX-1V相當于400個服務器”，過去Titan X（GTX TITAN X，泰坦顯卡）需要花費8天訓練的神經(jīng)網(wǎng)絡，DGX-1V只需要8個小時，性能提升了24倍。
HGX是英偉達和微軟聯(lián)合開發(fā)的云圖形加速器，是英偉達人工智能戰(zhàn)略的硬件支撐。它同樣內(nèi)置了8塊Tesla V100。目前微軟的Project Olympus計劃、Facebook的Big Basin系統(tǒng)都是使用的HGX作為數(shù)據(jù)中心設計方案的核心。
黃仁勛在臺北國際電腦展的主題演講中表示，GPU的運算能力提升非常快，能在未來取代CPU成為最主要的人工智能芯片。
但是英特爾并不這么認為。臺北國際電腦展期間，英特爾數(shù)據(jù)中心全球銷售部產(chǎn)品和技術總經(jīng)理陳葆立在接受鳳凰科技采訪時提到，TPU和GPU只是加速芯片，目前是無法獨立工作的，沒有CPU它跑不起來。
“不管是AMD或者是ARM出的CPU，都是不能直接連接到英偉達的GPU的，連接的標準是PCIE（這屬于英特爾），傳輸速度取決于PCIE的速度。但是目前我們自己的芯片組合可以跳過PCIE，所以能比CPU+GPU更快?！彼f。
在收購Nervana之后，英特爾擁有了將至強融核處理器和FPGA兩個不同的芯片整合成一個芯片的能力。在最新的Nervana系統(tǒng)中，就包含了FPGA加速芯片Arria 10和至強融核處理器的整合。
Arria 10就是一款主流的Altera FPGA產(chǎn)品
FPGA最初是從專用集成電路發(fā)展起來的半定制化的可編程電路，它可以作為一種用以實現(xiàn)特殊任務的可再編程芯片應用與機器學習中。
譬如百度的機器學習硬件系統(tǒng)就是用FPGA打造了AI專有芯片，制成FPGA版百度大腦。FPGA比相同性能水平的硬件系統(tǒng)消耗能率更低，在刀片式服務器上可以由主板上的PCI Express總線供電。使用FPGA可以將一個計算得到的結(jié)果直接反饋到下一個，不需要臨時保存在主存儲器，所以存儲帶寬要求也在相應降低。
英特爾的方案是將CPU與FPGA融合起來，組合芯片的運算更加靈活和高效，同時還能實現(xiàn)最低的功耗，獲得性能和功耗的平衡。
人工智能方興未艾，谷歌的TPU、英偉達的GPU和英特爾的CPU組合方案，在硬件層面上都還只是嘗試，這種嘗試能幫助實現(xiàn)早期的技術積累。在采訪的最后陳葆立提到，雖然是不同的硬件平臺，但是大家都在想辦法融合，這有利于幫助開發(fā)者，從而真正幫助人工智能向前發(fā)展。