然而，全球最大的芯片制造商 Intel 则并没有透露太多该公司在人工智能领域方面的工作，除了执行端。接下来，这家公司将会把注意力集中到对Altera公司（现场可编程门阵列FPGAs的制造商）的收购上。

这种芯片对于运行专业的算法来说非常有用，因为硬件可以根据不同情况进行调整，以便以最快或最节能的方式来运行单个算法。微软和PayPal都在其数据中心使用这种专门的Intel芯片。

但通常来说，GPU甚至耗能芯片之所以在帮助训练计算机方面如此出色，是因为它们可以平行处理很多任务，这也是图形芯片的任务：它们可以同时处理构成一张照片的数百万行代码。

因此，当研究人员向计算机展示上百万张图片或者单词来教它们如何理解它们看到的事物时，这种GPU或者耗能芯片对于帮助训练计算机理解图片或者单词来说可谓如鱼得水。

这也是为什么谷歌更倾向于用GPU来运行其开源项目Tensor Flow的代码，以及Facebook为什么使用GPU来构建其开源AI项目的硬件。

但是为了建造芯片，你需要能够提前（比如十年）预测未来的发展趋势。以因特尔为例，它确实很早就看到了GPU或者大规模并行处理的重要性，因此很早就开始尝试构建能满足这种需求的芯片。

为此，Intel曾经开发了一种芯片叫Larrabee，只是失败了。2010年，Intel放弃了这个项目，并且没有再开发任何类型的GPU项目。这是否意味着Intel在人工智能领域已经出局？显然不是。

无论如何，我们将在今年的CES上找到关于以上问题的部分答案，并将很欣喜的看到一些中国厂商的发力。

欢迎关注DT君的科幻电影公众号：