由於人工智能的興起，英偉達（NVIDIA）憑藉其GPU在該領域的優勢而獲得營收和股價的持續增長，而Intel則被質疑它可能在該領域無法應對英偉達的挑戰，不過近日微軟採用Intel的FPGA芯片作為實時AI雲平台Project Brainwave的DPU，似乎顯示出Intel有望改變劣勢。
NVIDIA挑戰Intel
NVIDIA的GPU之所以能在人工智能領域取得優勢，在於其擁有較Intel的CPU更強的並行計算、低精度運算等性能，由於這種優勢當前全球大多使用NVIDIA的GPU訓練神經網絡。
借助GPU的這種優勢，NVIDIA開始進軍服務器市場。在當前的服務器市場，Intel的X86處理器佔據絕對優勢市場份額，獲得99%的市場份額。NVIDIA進軍服務器市場選擇的是ARM架構，希望藉助ARM架構所擁有的低功耗、低成本優勢挑戰Intel在服務器芯片市場的壟斷地位。
NVIDIA本財年第一季的財報顯示，其數據中心業務收入達到4.09億美元，同比增長186%，顯示出了強大的攻勢。NVIDIA還獲得了收購了ARM的軟銀的支持，今年5月軟銀持有NVIDIA 4.9%股份成為其第四大股東。
軟銀在收購ARM後正希望它在壟斷了移動市場後向服務器芯片市場發展，期望到2020年能佔有服務器芯片市場20%的份額，除了NVIDIA外，高通、AMD都發布了它們的ARM架構服務器芯片。
不過在形勢一片大好之下，NVIDIA在人工智能領域也有它的短板，在處理延時方面CPU較NVIDIA的GPU更有優勢，GPU 處理的首要目標是運算以及數據吞吐量，而CPU 內部晶體管的首要目的是降低處理的延時，對於自動駕駛等對低延時有極高要求的行業來說這是GPU的一大弱點。
Intel為改變在人工智能領域的弱勢做出的努力
Intel缺乏自己的GPU，為改變在人工智能領域的劣勢它先後收購了FPGA大廠Altera。FPGA最初是從專用集成電路發展起來的半定制化的可編程電路，通過用不同的編程數據產生不同的電路功能，擁有很高的靈活性及適應性，因此它可以作為一種用以實現特殊任務的可再編程芯片應用於機器學習中。
相比起GPU的優勢在於FPGA在出廠後可以在硬件電路里“現場編程”相應的程序，改變FPGA的硬件結構讓FPGA可以原生支持相應的人工智能運算，因此效率會比GPU更高。谷歌的TPU其實也類似於FPGA，專為它的深度學習語言Tensor Flow定制的一種芯片，只是TPU不可以再通過編程來改變，而FPGA可以因此擁有更高的靈活性。
Intel還收購了深度學習(deep learning)技術供應商Nervana Systems，Nervana是一家人工智能初創企業，據稱其研發的加速處理器較NVIDIA的頂級圖形處理器在運行神經網絡任務時將會有更好的性能。
Intel方面希望將自己的服務器芯片至強處理器和Nervana的加速處理器整合在人工智能領域擁有更強的性能，同時更易於編程，這與它收購Altera以提供可編程的通用人工智能芯片的目的是相通的。
如今微軟引入Intel的FPGA芯片用於其實時AI平台，意味著Intel在人工智能領域可能將取得突破。市調機構Synergy Research指微軟為全球第二大雲平台佔有11%的市場份額，亞馬遜則是第一大雲平台佔有34%的市場份額，不過這兩家企業近期在雲業務方面展開合作，這兩家企業都希望將人工智能服務打包在雲服務中以更好為其他企業提供服務。
Intel的FPGA芯片被用於微軟這家全球第二大的雲平台中，如果取得不錯的效果無疑將起到極大的示範作用，為Intel在人工智能市場贏得更多市場份額，這對於NVIDIA來說可不是好消息。
Intel佔有全球服務器芯片市場近乎壟斷的市場份額也有利於其在人工智能領域取得優勢，人工智能需要大數據，而Intel的服務器芯片被廣泛應用於數據中心中，只是此前由於Intel缺乏GPU而難以與NVIDIA抗衡，在收購Altera和Nervana它正補上這一短板。
相比之下，NVIDIA雖然寄望通過開發ARM架構的服務器芯片，但是目前其在服務器芯片市場相比起Intel還太弱，ARM方面也不過是寄望到2020年贏得有限的市場份額，NVIDIA在服務器芯片市場更難挑戰Intel。形勢似乎開始往有利於Intel的方向發展了。