再来看看高通，其 Adreno 其实占据了天时地利，其技术来源是当初的 ATI，本身就有不错的技术积累，且在知识产权方面的掌握度高，而采用 Mali 架构的方案或者是客户，多多少少都有受到一些专利上的牵制。

目前 PowerVR 与 Mali 都是纯粹的贴图渲染（Tile-Based Render）架构，这是一种延迟着色（DeferRender）技术，但 Adreno 可以针对着色对象的复杂度，自动选择使用基于 Tile-Based Render 的延迟着色或者是像 PC 平台 GPU 所普遍采用的直接着色技术，对实际图形处理性能表现有极大的说明。

图丨智能手机上的可用机器学习硬件设计

不过，目前针对 GPGPU 的通用计算性能还没有一个比较公正的跑分程序，这方面目前还是要回归 GPU 本身的面积性能比。但在未来，芯片商或架构提供商所提供的支持要比纯粹性能重要，比如说高通针对 Adreno 为客户提供 GPU 相关 SDK，包含 VR、AR，甚至 GPGPU 计算等等，借以协助客户开发相关应用。ARM 也针对 Mali 提供了 VR SDK、Vulkan SDK 以及 OpenCL SDK。其中 OpenCL SDK 就是针对 GPGPU 计算模式开发应用套件，这些做法都可能推动相关应用的发展。

PowerVR 方面也同样提供了类似的方案，IMG 目前虽苦于被苹果抛弃的可能性，未来预期收入也可能面临大幅萎缩，但其大幅降低 GPU 架构授权价格的做法，将有望从非苹果阵营夺回一定占有率，从而在一定程度上弥补未来由失去苹果而带来的损失。

移动计算乏力，X86 仍将坚守 PC 及服务器市场

Intel 曾经发力移动应用领域，想要从 ARM 的嘴里抢下市场大饼，但奈何 ARM 的生态太强大，从零组件成本到系统成熟度，再怎么洒钱追赶也没有办法追上，数年之间花了上百亿美元，最终也只能放弃。

Intel 的努力化为泡影，AMD 则是苦苦的挣扎求生，根本没有余力往移动应用发展，因此两大供货商 Intel 与 AMD 在移动通讯的应用领域其实都乏善可陈，Intel 在人工智能领域并没有强调太多计算架构方面的东西，毕竟其主打还是既有的 X86 处理器。即便是针对海量并行计算与加速方面主推的 Xeon Phi 架构，基本上还是 X86 处理器的升级版，而不是全新架构。

图丨Intel首款集成多核架构产品：至强融核（Xeon Phi）协处理器

Intel 目前通过并购或者是拓展应用，期望推广自有 X86 架构在相关运算方面普及率。不过针对移动应用方面，Intel 目前并没有太大的动作，毕竟其前几年在移动应用方面的尝试刚被 ARM 打到铩羽而归，短期间内恐怕很难看到 Intel 这个名字出现在移动方案领域，尤其是在人工智能相关计算方面。

AMD 虽近来大力改革，也推出不少极具竞争力的服务器、PC 产品，但其营收方面目前才稍有起色，要谈到转亏为盈，甚至往其他领域发展，目前还言之过早。

除了 CPU 和 GPU，我们还能用什么？

使用现有标准架构来处理相关计算的好处是市场上有极为丰富的生态资源可以使用，不需从头自己设计轮子，但使用标准架构，会因为架构要求通用性，芯片设计上就要考虑到少数状况，绝对运算性能也无法专用架构相提并论。

但事情没有绝对，架构的选择向来都不是非 A 即 B，我们可以结合不同方向的运算架构在同一芯片或终端上，以彼此搭配的方式，截长补短。当然，主要还是得看针对的应用情境而定。

专用架构的性能表现已经是众所周知，Google 的 TPU（张量处理单元）人工智能专用芯片架构在 AlphaGO 一战成名，该设计是自行开发、基于 TensorFlow 框架的计算架构，而 Google 也已经把相关的资源都开源，让一般开发者可自行调用、开发，未来也将有更多针对移动平台的架构规划推出；微软专门针对 AR 应用开发了 HoloLens HPU，第二代 HPU 也会加入人工智能相关的计算能力。

所以说，如果厂商有足够的预算和人力，以及可见的市场空间，那么自己定规格、造芯片会是不错的方式，除了可以充分了解芯片本身的潜力，也可完全掌握相关的成本结构，不用担心芯片上会有冗余的部分造成额外的设计、制造以及功耗成本。