最近英特尔的动作可谓非常频繁：在学术会议上发布各种自己新算法的论文，在商业领域也是连续收购了Nervana、Modivius两家公司，还发布了最新的深度学习处理器Knights Mill，并在一份声明上声称四块Knights芯片的运算能力比四块GPU快2.3倍，剑指自己早在PC时代就已相爱相杀多年的老对手NVIDIA。哪怕在NVIDIA进行了态度坚决，甚至在语气中暗含一丝不屑的回击之后，英特尔仍然在公开声明中坚定的捍卫自己的数据，并表示去年为深度学习而研发的处理器中，使用GPU的还不到3%。

　　事实是怎样的呢？考虑各种因素之后我们其实真的无法明确的说，GPU与英特尔这块最新的深度学习芯片到底谁更适合深度学习开发。但是有一点是确定无疑的：英特尔的声明中所说的GPU，完全不是这块深度学习芯片本应对标的最新GPU Tesla P100，而是NVIDIA早在18个月前就已上市的Maxwell架构GPU，因此2.3倍这个数据应该是有水分的。我们能理解英特尔想要宣传自己产品的心情，但用自己的下一代产品去对标对手已经问世一年有余的上一代架构产品，是不是有点不合适？英特尔自己心里应该也明白这一点，而类似的手段英特尔也不是第一次在宣传中使用（以前英特尔就经常声称自己的集成显卡的运算能力又超过了某某NVIDIA生产的独立显卡），但英特尔祭出这种杀敌一千自损八百的宣传路数可以说明一点：那就是英特尔真的非常重视AI和深度学习这块市场，而更早之前和近期的一系列收购，也从侧面证明了这一点。

　　早在PC时代，两家的图形处理器就经常被拿来比较，图片来源Youtube

　　但是，为什么要这么执着？

　　深度学习市场目前活跃的主角有四个： CPU、GPU、FPGA和专用处理器，其中FPGA和专用处理器的应用其实仍处于探索阶段，真正使用它们的开发者不多，因此，这个领域市场的竞争主要就集中于GPU和CPU之间，甚至可以说，就是集中于英特尔和NVIDIA之间。但每个深度学习的开发者都心知肚明的一点是：GPU在深度学习开发，尤其是算法训练方面相对CPU确实有着非常大的先天优势，为什么英特尔执意要争夺这个看起来天生就属于对手的战场呢？要知道GPU虽然很好，但是它也是不能独立工作的，至少没有人会这么去做，因为在GPU的特性决定其上无法进行高效的逻辑运算。哪怕是NVIDIA的最新深度学习超级电脑DGX-1中，也含有两颗英特尔至强处理器（嗯，NVIDIA在很多宣传文案中故意弱化甚至忽略了这一点）。看起来，无论NVIDIA的市场做的多大，其中总会有英特尔的一杯羹，那英特尔为什么又如此心急火燎的想要攻下NVIDIA的这块阵地呢？

　　NVIDIA官网提供的DGX-1配置表的CPU一栏赫然写着Dual Intel Xeon E5-2698

　　繁荣背后的梦想与危机

　　要讲清楚这个问题，我们必须要把视角从人工智能身上拉远，看看英特尔的整体战略布局。实际上这个标题不是很准确。因为英特尔的业务看起来早已没有那么繁荣了。最近几年，英特尔的核心盈利业务CPU同时遭到了三个因素的狙击：PC市场增长放缓和移动市场的爆发、进军移动的尝试失败、摩尔定律逐渐逼近极限，几乎失效。单纯的卖CPU固然也能赚到钱，但只有研发更高端（贵）的芯片，形成自己领导者的形象、然后不停的把它们卖给更多的人，才能赚更多的钱，支撑公司的发展。但这几个因素的同时出现，已经让英特尔发现，如果自己仍然只是安心的守着自己的CPU业务，很快就会面临巨大的危机，事实上在过去的一年里，利润下降、裁员的新闻也一直围绕在英特尔的身边，挥之不去。

　　英特尔曾经是推动计算机技术向前发展的动力之一，很显然，英特尔希望自己的这个地位能一直保持下去，从去年开始，英特尔开始了缓慢痛苦但又坚定的转型。想让自己在 云计算、云存储、物联网等领域继续做一家领先于世界的公司，并在相关领域投入了相当多的注意力，并为其进行了诸多调整。

　　可理想很丰满，现实却总是很骨感。在高调了几年之后，曾经被寄予厚望的物联网却仿佛迷失了方向，一直没有出现真正杀手级的产品，许多曾经被看好的产品和模式都销声匿迹，整个市场都没有发展起来。甚至对未来至关重要，也是英特尔最为重视的云计算，彼时的市场也已经基本结束了初期的厮杀，开奖，亚马逊、微软、谷歌、阿里云、IBM等已经在市场站稳脚跟。英特尔要后来居上的机会已经越来越小。