英特尔芯片虽以高速处理数字著称，但NVIDIA GPU芯片在处理视频、语音等非结构化数据及识别模型时 更为高效，在深度学习、神经网络服务器等性能表现远超英特尔。

　　2016年4月，英特尔发布极适宜处理机器学习模型评分（scoring）应用的双路服务器芯 片 Xeon E5-2600 v。 目前英特尔正为AI应用研发至强融核处理器家族 Xeon Phi， 计划2017年推出至强 Xeon Phi 新型芯片（代号为 Knights Mill） 。

　　借助英特尔底层芯片架构，京东、奇虎 360 将机器学习模块可扩展性提高10倍，部分机器学习周期缩短8倍。未来百度Deep Speech平台数据中心将使用这款Xeon Phi 芯片， 以最大限度地提高自然语言的语音的解析速度。 预期未来至强Phi将广泛应用于语音识别、图像识别、及自动驾驶等领域。

　　同时，2016年8月， 英特尔耗资4亿美元收购深度学习初创企业Nervana， 试图通过Nervana Systems 在硅层实现机器学习，而非基于 GPU 架构。 Nervana针对神经网络设计了Engine 芯片，在深度学习训练时，Engine 芯片比传统 GPU 的能耗和性能优势更为突出（据称 Nervana 处理器速度可达到 GPU 的 10 倍） 。收购Nervana，Intel 可将 CPU 优势延伸至深 度学习领域，缩短开发深度学习应用、及应用推广时间。

　　此外，2015年12 月，英特尔以167 亿美元收购了FPGA 厂商 Altera。 目前英特尔正开发统一的接口，试图将 Altera的 FPGAs 和英特尔至强系列处理器封装到一 颗芯片， 新芯片将以互补、 配合方式完成深度学习训练。2016年4月，英特尔与科大讯飞联手推出的深度学习计算平台， 借助英特尔至强处理器及Altera FPGA 的底层硬件技术，依托科大讯飞在自然语言处理、语音识别方面的核心技术，可实时将发言者的语音转化成文字，准确率高达95%。 未来至强、FPGAs 一体化芯片将大幅提高 CNN 影像识别、目标探测、发现大数据规律的效率。

　　在无人驾驶 、 机器视觉领域频频发力

　　英特尔在车联网领域频频发力，着力研发“ADAS 高级驾驶助手系统”，并与众多汽车厂商进行合作测试。在中国与中交兴路组建“车联网联合创新中心”，共同探讨智能车载终端技术、车联网云平台、行业大数据解决方案及业务模式创新。

　　英特尔还在机器视觉领域进行系列重磅收购，以加速无人驾驶项目推进。2016年5月，英特尔收购计算机视觉（CV）算法公司 Itseez，Itseez助力英特尔研发创新型深度学习的CV应用（如数字安全监控、自动驾驶、工业检测），以打造从汽车到安全系统的物联网（IoT） 。2016年9月，英特尔收购计算机视觉开发商 Movidius。 Movidius 技术被用于Google、大疆、联想等公司，为无人驾驶飞机、安全摄像 头、AR/VR耳机等智能设备提供视觉功能。收购后，Movidius将与英特尔的 RealSense 技术配合。

　　智东西认为，随着谷歌、IBM 等巨头相继开源 AI 平台，NVIDIA 、英特尔公司深攻AI芯片，AI 商用化的技术壁垒大幅降低 ，AI将迎来商用化高潮。智能家居、无人驾驶、模糊检索等领域将率先发展。

　　目前来看，IBM、谷歌在基础层、技术层、应用层全面布局。IBM已经转型成认知解决方案和云平台公司，沃森将开启认知商业时代。谷歌则聚焦机器学习，并充分发挥平台优势，构建软硬件结合生态。NVIDIA和英特尔作为传统芯片公司，面临着PC、移动智能终端等市场逐渐饱和的压力，以及AI市场强劲的市场前景，致力于研发可行的AI硬件，并在AI框架和商业化应用有着诸多尝试。

　　下载提醒：

　　1.如果想收藏本文的报告全文，可以在智东西（公众号：zhidxcom）回复关键词“nc102”下载。