另外，从单纯满足AI应用本身的计算能力和实现方法上看，GPU是否是最好或者说是惟一在业内依然存在争议。有研究人员测试，相比GPU，FPGA的架构更灵活，单位能耗下性能更强。深度学习算法在FPGA上能够更快、更有效地运行，而且功耗也能做到更低。这似乎很好地解释了为何英特尔此前以167亿美元收购FPGA制造商Altera的原因。而提及并购，还有一桩被业内认为英特尔可以借此提升自身在AI芯片竞争力，甚至有可能超越英伟达的就是对于专攻AI芯片的Nervana Systems公司的并购，据称，Nervana Systems研究的深度学习芯片具有性价比高于GPU，处理速度是 GPU 的10倍等特点。

　　为了说明Nervana Systems公司的实力或者说对于英伟达的威胁，我们不妨介绍一段Nervana Systems被并购的插曲。据称，英特尔在接触Nervana谈论出售事宜时，Nervana认为英伟达是合理的选择之一，因为Nervana的深度学习软件Neon也可以运行在英伟达芯片上，可以帮助英伟达补齐短板。然而，英伟达对Nervana并不感冒，认为自己基于GPU的深度学习技术要好于Nervana，但当Nervana与英特尔达成交易之后，英伟达似乎改变了想法，并试图重启收购谈判，无奈的是机会已经错过。

　　对此，有分析认为，让英特尔得到Nervana是英伟达最大的失误，因为通过这次收购，英特尔将得到一个用于深度学习的具体产品和IP，它们可被单独使用外，也能与英特尔未来的技术融合，生产出更具竞争力、创造性的芯片产品。而提到整合，则是英特尔最为擅长的，例如针对并购来的Nervana Systems，其可以把相关产品整合到芯片或者多芯片封装中。例如把 Nervana Engine IP 加到一个至强CPU 中，可以提供一个低成本的方法来实现AI所需要的性能的加速，将 Nervana IP 产品化，进而提升自己CPU的计算能力，开奖，满足AI开发和应用对于数据中心芯片的更高需求。

　　综上所述，我们认为，鉴于AI芯片的应用尚在起步阶段（目前仅占数据中心1/10左右的负载）及对手英特尔在此领域中有的放矢的并购和自身在CPU的挖潜和整合能力，英伟达以AI之名换来的股价暴涨背后并非高枕无忧和一片坦途。