2002 年上映的科幻电影《少数派报告》，讲述了阿汤哥扮演的未来警察，通过人工智能“预测”犯罪的故事，没想到十多年后终成现实。
一个月前，芝加哥警局也做了一个“罪案预测系统”，通过枪声感应器和路边的摄像头收集数据，预测抢劫、枪击等罪案的地点及人物。这样警方可以在嫌疑人犯罪之前，提前请他到局子里喝茶...
5 月还发生了另一件大事——人机围棋大战中，谷歌旗下的 AlphaGo （又名阿尔法狗）先后战胜柯洁及国内五位世界冠军，人工智能再次轰动世界。
不过预测犯罪也好，下围棋也罢，它们都是人工智能的落地场景之一，其它还有智能音箱上的语音助手等。本质上，人工智能是算法、数据和硬件三个要素综合的结果。
人工智能依赖于机器学习（Machine Learning），机器学习又依赖于硬件，它需要硬件平台提供大量的运算资源。
而在这个领域，用来计算的硬件主要有 TPU、GPU 和 CPU，它们背后代表的公司则分别是谷歌、英伟达和英特尔。这三家组成了三巨头，彼此竞争又互相合作。
去年谷歌公布了专为机器学习定制的 TPU（Tensor Processing Unit），用于旗下所有 AI 产品背后的计算，包括 AlphaGO。
官方测试结果显示，在 AI 计算方面，TPU 要比 GPU 加速卡快上 15-30 倍，而且能效更高，一时间 TPU 吊打 GPU 的报道满天飞了。
谷歌还在 I/O 2017 大会上宣布要建立 Ai First 数据中心，采用最新一代 Cloud TPU 打造；并结合现有资源推出 Google.ai，用在 AutoML 等科研项目和自动帮你画猫猫上...
随后英伟达就表示不服，指出 TPU 对比的是 2012 年的老产品，采用 Kepler 架构的 Tesla K80，性能比不上前者也不足为奇。
老黄又扔出了采用 Pascal 架构的 Tesla P40 加速卡，计算性能达到了 TPU 的 2 倍，带宽则是 10 倍，还支持 TPU 没有的 FP32 运算，没拿出 P100 这种核弹意思就是“杀鸡焉用宰牛刀”。
上个月，英伟达推出了全新的 GPU 架构 Volta，增加了专门的 Tensor 运算单元，主要针对 DL 深度学习等新兴领域，依旧属于吃瓜群众买不到买不起系列。
谷歌 TPU 和英伟达 GPU 的运算能力提升非常快，是否意味着会在未来取代 CPU 成为主要的人工智能芯片——照这个趋势，英特尔危险了？
要知道英特尔在深度学习、AI 领域已经先后拿下了 Saffron、Movidius 等公司，去年 8 月份又收购了神经网络系统公司 Nervana，它们的成果都会跟英特尔的处理器、FPGA（来自于收购的 Altera）等产品结合起来，专治各种不服。
此外 TPU 和 GPU 只是加速芯片，目前是无法独立工作的，没有 CPU 跑不起来。谷歌和英伟达发生口水仗实际上是选择了不同的技术路线，英特尔也有自己的解决方案。
在上月底举行的全球机器智能峰会上，英特尔 AIPG 数据科学部主任刘茵茵发表了主题为《演变中的人工智能：与模型俱进》的演讲，真是你方唱罢我方登台。
谷歌有一个 AI 专家叫李飞飞，这次英特尔也派出了美女高管为自家 AI 带盐，普通人表示明明可以靠脸吃饭，非要拼才华。
她指出模型设计、数据收集、AI 框架搭建等都是人工智能解决方案的重要组成部分，一种深度学习模型可以投入到不同的领域中并给出多样的解决方案。
比如图像识别可以用于农业，进行作物疾病的识别；图像分割则可以用于作物产量的预测、还可以应用于自动驾驶；油气勘探、肿瘤检测也少不了图像模型。
英特尔 AIPG 就是由之前的 Nervana 团队组成，现在已经变成了 AI 产品事业部 ，运作模式和其它产品事业部一样，在会上也拿出了很多人工智能领域的前沿技术：
硬件部分，基于至强融核处理器的人类大脑肿瘤三维可视化方案，可以实现精确检测，精准移除人脑肿瘤；基于 Arria10 FPGA 技术开发的可扩展卷积神经（CNN）加速器，以提供高性能、低延迟和高能效的人工智能和深度学习推理加速解决方案。
软件部分，英特尔深度学习训练集群演示了如何使用优化版 Caffe 进行多节点训练；基于 Apache Spark 的分布式深度学习框架能让用户通过 BigDL 将深度学习应用编写为标准的 Spark 程序，并直接在 Spark 或 Hadoop 集群上运行。
目前业界在推动深度学习方面有不同的思路，比如 TPU+TensorFlow 模式，CPU+GPU 模式，英特尔选择了软硬件的整合及端对端模式。
收购 Nervana 之后，英特尔拥有了将至强融核处理器和 FPGA 两个不同的芯片整合成一个芯片的能力。在最新的 Nervana 系统中，就包含了 FPGA 加速芯片 Arria 10 和至强融核处理器的整合。
英特尔本身就是一个非常强大的硬件生产公司，提供了很多不同的产品；同时在软件架构方面也做了很多工作，而且都是开源的，用户也能及时跟进。
在 CPU 领域，英特尔能多年甩开农企（AMD）除了先进的工艺制程、架构，还有强大的编译器等软件；而在人工智能方面，英特尔奉行端对端模式，从上至下各个部分都可以进行优化。
在这场三国杀游戏中，谷歌 TPU 是专门做 Tensor 计算的，不能通用也没有客户；英伟达 GPU 固然比较灵活，但在专用、能效方面还需补课；英特尔将 FPGA 和 CPU 融合，兼具灵活性与高效能。
为了推进 AI 产业发展，英特尔也向一些国内外公司伸出了橄榄枝，包括科大讯飞、谷歌等 AI 领域的玩家都成了合作伙伴。
去年 10 月，英特尔与科大讯飞宣布合作研发 AI 芯片，集成麦克风阵列、远场语音识别等功能，智能语音交互市场又多了一种选择方案。
本月初，谷歌 Compute Engine 云计算服务增加对英特尔 Skylake Xeon 至强处理器的支持，这对需要高性能处理器和大量内存访问的用户来说将更为实用。
目前英特尔的人工智能解决方案在金融、农业、零售、政务、工业等领域都有着丰富的运用，这家公司还有三大愿景：
更好地驱动人工智能技术创新、推动人工智能应用普及和引导人工智能回馈社会，英特尔正在让人工智能成就未来！
