有可能的。
2015年俄羅斯的一名漁夫在捕魚的時候發現了一塊依附在石頭上的小薄片。經過一系列測試，專家們得出結論：這是一枚2.25 億 ——2.5億年前用納米技術製造的芯片，與我們現在使用的芯片類似。
迄今為止，人類社會總共經歷了 300 多年的工業文明時代。第一塊電子芯片是在1952 年提出，1958 年開始量產的，所以，這塊芯片不管怎麼說都不會是我們人類製造的。
那這件事怎麼解釋呢？也許這是一種遠古技術的殘留。我們可以這樣理解，在人類出現之前，地球上還存在著另一種高級文明。又或者開玩笑的說一句，這塊芯片根本不屬於地球，也許是外星人遺落在地球的....
雖然關於該芯片的來源有待考量，但是其時間線，確實有點詭異。即使芯片的最初起源不是來自人類，但是後續人類對芯片研究付出的努力，是不可忽略的。
一些大型科技巨頭公司如IBM，AMD，英偉達，英特爾，高通，寒武紀等，紛紛投身於芯片領域的研究，並取得了不錯的成績。取得成績的同時，也為這些芯片製造商的不斷競爭提供了機會。說實在的，芯片也是可以主宰現在火熱至極的人工智能領域的一個方面。CPU、GPU、TPU、FPGA，這裡面你認識幾個呢？其實，他們分別是英偉達、谷歌、微軟的產品。下面我講一下這幾個的區別吧。
CPU
自動駕駛汽車是人工智能的主要目標之一，這也是芯片製造商英特爾尋求押注自己主張的領域。與其在公司內部展開研發，英特爾採用了收購的方式讓自己在人工智能領域站穩腳跟。
2016年8月，英特爾收購了神經網絡處理器製造商Nervana Systems。同年11月，英特爾宣佈了一種新的處理器——神經網絡平臺，直接將目標定於與人工智能相關的應用程序，比如訓練神經網絡。
2017年3月，英特爾再次收購了Mobileye，一個基於機器學習的高級駕駛員輔助系統。一次次的收購讓這家芯片製造商有望在自動駕駛汽車領域佔據一席之地，或許還會將自己定位為專注於機器學習的硬件關鍵製造商。
有可能的。
2015年俄羅斯的一名漁夫在捕魚的時候發現了一塊依附在石頭上的小薄片。經過一系列測試，專家們得出結論：這是一枚2.25 億 ——2.5億年前用納米技術製造的芯片，與我們現在使用的芯片類似。
迄今為止，人類社會總共經歷了 300 多年的工業文明時代。第一塊電子芯片是在1952 年提出，1958 年開始量產的，所以，這塊芯片不管怎麼說都不會是我們人類製造的。
那這件事怎麼解釋呢？也許這是一種遠古技術的殘留。我們可以這樣理解，在人類出現之前，地球上還存在著另一種高級文明。又或者開玩笑的說一句，這塊芯片根本不屬於地球，也許是外星人遺落在地球的....
雖然關於該芯片的來源有待考量，但是其時間線，確實有點詭異。即使芯片的最初起源不是來自人類，但是後續人類對芯片研究付出的努力，是不可忽略的。
一些大型科技巨頭公司如IBM，AMD，英偉達，英特爾，高通，寒武紀等，紛紛投身於芯片領域的研究，並取得了不錯的成績。取得成績的同時，也為這些芯片製造商的不斷競爭提供了機會。說實在的，芯片也是可以主宰現在火熱至極的人工智能領域的一個方面。CPU、GPU、TPU、FPGA，這裡面你認識幾個呢？其實，他們分別是英偉達、谷歌、微軟的產品。下面我講一下這幾個的區別吧。
CPU
自動駕駛汽車是人工智能的主要目標之一，這也是芯片製造商英特爾尋求押注自己主張的領域。與其在公司內部展開研發，英特爾採用了收購的方式讓自己在人工智能領域站穩腳跟。
2016年8月，英特爾收購了神經網絡處理器製造商Nervana Systems。同年11月，英特爾宣佈了一種新的處理器——神經網絡平臺，直接將目標定於與人工智能相關的應用程序，比如訓練神經網絡。
2017年3月，英特爾再次收購了Mobileye，一個基於機器學習的高級駕駛員輔助系統。一次次的收購讓這家芯片製造商有望在自動駕駛汽車領域佔據一席之地，或許還會將自己定位為專注於機器學習的硬件關鍵製造商。
GPU
GPU曾被認為是CPU的一個補充單元（很多CPU都集成了GPU來完成圖片處理）。目前，GPU已經擴展到了人工智能領域的圖形和視頻中心方面，並進入了深度學習領域。GPU製造商覺得自己掌握了可能處於人工智能革命前沿的技術，並表示，GPU提供了遠遠優於CPU的性能。
雖然GPU市場只有少數幾家公司，但是沒有誰會比英偉達更有代表性了。根據Jon Peddie Research的一份報告，2017年第三季度，英偉達的出貨量增長率為29.53%，擊敗了兩大競爭對手AMD（7.63%）和英特爾（5.01%）。
當然，這主要是由視頻遊戲市場驅動的，但Jon Peddie Research的分析師認為，對加密貨幣採礦相關的應用程序對高端性能的需求也促成了這一結果。這也是為什麼GPU提供商會覺得會自己處於人工智能硬件開發的前沿。
有可能的。
2015年俄羅斯的一名漁夫在捕魚的時候發現了一塊依附在石頭上的小薄片。經過一系列測試，專家們得出結論：這是一枚2.25 億 ——2.5億年前用納米技術製造的芯片，與我們現在使用的芯片類似。
迄今為止，人類社會總共經歷了 300 多年的工業文明時代。第一塊電子芯片是在1952 年提出，1958 年開始量產的，所以，這塊芯片不管怎麼說都不會是我們人類製造的。
那這件事怎麼解釋呢？也許這是一種遠古技術的殘留。我們可以這樣理解，在人類出現之前，地球上還存在著另一種高級文明。又或者開玩笑的說一句，這塊芯片根本不屬於地球，也許是外星人遺落在地球的....
雖然關於該芯片的來源有待考量，但是其時間線，確實有點詭異。即使芯片的最初起源不是來自人類，但是後續人類對芯片研究付出的努力，是不可忽略的。
一些大型科技巨頭公司如IBM，AMD，英偉達，英特爾，高通，寒武紀等，紛紛投身於芯片領域的研究，並取得了不錯的成績。取得成績的同時，也為這些芯片製造商的不斷競爭提供了機會。說實在的，芯片也是可以主宰現在火熱至極的人工智能領域的一個方面。CPU、GPU、TPU、FPGA，這裡面你認識幾個呢？其實，他們分別是英偉達、谷歌、微軟的產品。下面我講一下這幾個的區別吧。
CPU
自動駕駛汽車是人工智能的主要目標之一，這也是芯片製造商英特爾尋求押注自己主張的領域。與其在公司內部展開研發，英特爾採用了收購的方式讓自己在人工智能領域站穩腳跟。
2016年8月，英特爾收購了神經網絡處理器製造商Nervana Systems。同年11月，英特爾宣佈了一種新的處理器——神經網絡平臺，直接將目標定於與人工智能相關的應用程序，比如訓練神經網絡。
2017年3月，英特爾再次收購了Mobileye，一個基於機器學習的高級駕駛員輔助系統。一次次的收購讓這家芯片製造商有望在自動駕駛汽車領域佔據一席之地，或許還會將自己定位為專注於機器學習的硬件關鍵製造商。
GPU
GPU曾被認為是CPU的一個補充單元（很多CPU都集成了GPU來完成圖片處理）。目前，GPU已經擴展到了人工智能領域的圖形和視頻中心方面，並進入了深度學習領域。GPU製造商覺得自己掌握了可能處於人工智能革命前沿的技術，並表示，GPU提供了遠遠優於CPU的性能。
雖然GPU市場只有少數幾家公司，但是沒有誰會比英偉達更有代表性了。根據Jon Peddie Research的一份報告，2017年第三季度，英偉達的出貨量增長率為29.53%，擊敗了兩大競爭對手AMD（7.63%）和英特爾（5.01%）。
當然，這主要是由視頻遊戲市場驅動的，但Jon Peddie Research的分析師認為，對加密貨幣採礦相關的應用程序對高端性能的需求也促成了這一結果。這也是為什麼GPU提供商會覺得會自己處於人工智能硬件開發的前沿。
TPU
也許沒有任何一家公司比谷歌更致力於投資Tensors。在過去的一年裡，這家搜索巨頭髮布了一項極其流行的開源框架，用於深度學習的開發，叫做TensorFlow。正如谷歌所描述的，“TensorFlow是一個開源軟件庫，通過數據流圖進行數值計算。靈活的體系結構允許用戶在桌面、服務器或移動設備上使用單個API將計算部署到一個或多個CPU或GPU上。”
FPGA
雖然英偉達、谷歌、英特爾在某種程度上都是專注於交付AI邊緣，即人工智能處理髮生設備上，而不是雲上。微軟宣稱其數據中心可以提供高性能、基於雲的人工智能——FPGA。微軟認為，在可伸縮性和靈活性方面，基於FPGA的解決方案將優於CPU、GPU或TPU所提供的解決方案。
有可能的。
2015年俄羅斯的一名漁夫在捕魚的時候發現了一塊依附在石頭上的小薄片。經過一系列測試，專家們得出結論：這是一枚2.25 億 ——2.5億年前用納米技術製造的芯片，與我們現在使用的芯片類似。
迄今為止，人類社會總共經歷了 300 多年的工業文明時代。第一塊電子芯片是在1952 年提出，1958 年開始量產的，所以，這塊芯片不管怎麼說都不會是我們人類製造的。
那這件事怎麼解釋呢？也許這是一種遠古技術的殘留。我們可以這樣理解，在人類出現之前，地球上還存在著另一種高級文明。又或者開玩笑的說一句，這塊芯片根本不屬於地球，也許是外星人遺落在地球的....
雖然關於該芯片的來源有待考量，但是其時間線，確實有點詭異。即使芯片的最初起源不是來自人類，但是後續人類對芯片研究付出的努力，是不可忽略的。
一些大型科技巨頭公司如IBM，AMD，英偉達，英特爾，高通，寒武紀等，紛紛投身於芯片領域的研究，並取得了不錯的成績。取得成績的同時，也為這些芯片製造商的不斷競爭提供了機會。說實在的，芯片也是可以主宰現在火熱至極的人工智能領域的一個方面。CPU、GPU、TPU、FPGA，這裡面你認識幾個呢？其實，他們分別是英偉達、谷歌、微軟的產品。下面我講一下這幾個的區別吧。
CPU
自動駕駛汽車是人工智能的主要目標之一，這也是芯片製造商英特爾尋求押注自己主張的領域。與其在公司內部展開研發，英特爾採用了收購的方式讓自己在人工智能領域站穩腳跟。
2016年8月，英特爾收購了神經網絡處理器製造商Nervana Systems。同年11月，英特爾宣佈了一種新的處理器——神經網絡平臺，直接將目標定於與人工智能相關的應用程序，比如訓練神經網絡。
2017年3月，英特爾再次收購了Mobileye，一個基於機器學習的高級駕駛員輔助系統。一次次的收購讓這家芯片製造商有望在自動駕駛汽車領域佔據一席之地，或許還會將自己定位為專注於機器學習的硬件關鍵製造商。
GPU
GPU曾被認為是CPU的一個補充單元（很多CPU都集成了GPU來完成圖片處理）。目前，GPU已經擴展到了人工智能領域的圖形和視頻中心方面，並進入了深度學習領域。GPU製造商覺得自己掌握了可能處於人工智能革命前沿的技術，並表示，GPU提供了遠遠優於CPU的性能。
雖然GPU市場只有少數幾家公司，但是沒有誰會比英偉達更有代表性了。根據Jon Peddie Research的一份報告，2017年第三季度，英偉達的出貨量增長率為29.53%，擊敗了兩大競爭對手AMD（7.63%）和英特爾（5.01%）。
當然，這主要是由視頻遊戲市場驅動的，但Jon Peddie Research的分析師認為，對加密貨幣採礦相關的應用程序對高端性能的需求也促成了這一結果。這也是為什麼GPU提供商會覺得會自己處於人工智能硬件開發的前沿。
TPU
也許沒有任何一家公司比谷歌更致力於投資Tensors。在過去的一年裡，這家搜索巨頭髮布了一項極其流行的開源框架，用於深度學習的開發，叫做TensorFlow。正如谷歌所描述的，“TensorFlow是一個開源軟件庫，通過數據流圖進行數值計算。靈活的體系結構允許用戶在桌面、服務器或移動設備上使用單個API將計算部署到一個或多個CPU或GPU上。”
FPGA
雖然英偉達、谷歌、英特爾在某種程度上都是專注於交付AI邊緣，即人工智能處理髮生設備上，而不是雲上。微軟宣稱其數據中心可以提供高性能、基於雲的人工智能——FPGA。微軟認為，在可伸縮性和靈活性方面，基於FPGA的解決方案將優於CPU、GPU或TPU所提供的解決方案。
基於處理器的解決方案在某種程度上由於其設計而會被限制於特定的任務，而FPGA則可以提供更簡單的升級和性能的改進，主要原因在於它的靈活性和可編程性。
至於FPGA是否為人工智能提供了最佳選擇，這一點還有待商榷。微軟指出，創建特定於美國ASIC的成本太高而令人望而卻步，而另一些人則認為FGPA永遠無法完全實現為人工智能設計的芯片性能。