相较于GPU只能处理运算 FPGA能更快速的处理所有与AI相关资讯

NVIDIA 虽凭借通用GPU（GPGPU）登上人工智慧（AI）芯片一哥位置，但竞争对手早已在一旁虎视眈眈。美国低功耗现场可程式逻辑闸阵列（FPGA）制造商Xilinx 表示，伙伴厂商利用FPGA 芯片进行基因体定序与优化语音辨识所需的深度学习，察觉FPGA 的耗能低于GPU 且处理速度较快。相较于GPU 只能处理运算，FPGA 能以更快速的速度一次处理所有与AI 相关资讯。

英特尔（Intel）在2015 年底并购美国FPGA 厂商Altera。在GPU 领域落后NVIDIA、超微（AMD）的英特尔打算藉由Xeon Phi 进军AI 芯片市场。

NVIDIA 执行长黄仁勋5 月24 日透过官网部落格发表专文指出，NVIDIA GPU 运算已成了当代达文西、爱因斯坦不可或缺的工具，过去一年来打造GPU 驱动AI 服务的新创公司家数成长逾四倍至1，300 家，没有人想错过下一个重大科技新突破。

Citron Research 创办人Andrew Left 6 月9 日在接受CNBC「Halftime Report」节目专访时表示，NVIDIA 投资人俨然成了赌场赌徒。Left 坦承目前持有NVIDIA 的空头部队。他说，投资人太过乐观、没把这家公司的竞争对手（英特尔、超微、Google、Xilinx）放在眼里。

英特尔在去年9 月宣布收购行动图像处理技术开发商Movidius Technology。Movidius 与英特尔旗下现有资产的结合将使得全球半导体龙头得以在电脑视觉、深度学习解决方案（从装置到云端）领域处于领先地位。

去年8 月，英特尔宣布并购一家名为Nervana Systems 的AI 新创企业。英特尔并于5 月宣布收购电脑视觉（CV）技术公司Itseez Inc.。Itseez 可协助客户创造出自动驾驶、数位安全与监控等创新深度学习CV 应用产品。

barrons.com 2 月1 日报导，Instinet 分析师Romit Shah 指出，Xilinx 坦承比NVIDIA、英特尔晚察觉AI 商机。

Xilinx 6 月8 日收盘价（68.07 美元）创2000 年11 月15 日以来新高，12 日以64.23 美元作收，今年迄今上涨6.39%。

NVIDIA Corporation 12 日上涨0.25%，收149.97 美元，创史上次高收盘纪录;今年迄今上涨40.50%。

英特尔12 日上涨0.06%，收35.73 美元，今年迄今下跌1.49%。

FPGA 在加速下一代深度学习方面能击败GPU吗？

许多图像、视频和语音来自社交媒体和物联网等数据源，这些内容的数字数据继续急剧增长，从而促使企业界需要分析技术让这些数据易于理解、具有实用性。

数据分析常常依赖机器学习算法。在诸多机器学习算法中，深度卷积神经网络（DNN）为重要的图像分类任务提供了最高的准确度，因而得到了广泛采用。

在最近的现场可编程门阵列国际研讨会（ISFPGA）上，来自英特尔加速器架构实验室（AAL）的埃里科·努维塔蒂（Eriko Nurvitadhi）博士介绍了一篇研究论文，题为《FPGA 在加速下一代深度学习方面能击败GPU吗？》他们的研究以最新的高性能英伟达Titan X Pascal 图形处理单元（GPU）为参照，评估了新兴的DNN算法在两代英特尔FPGA（英特尔Arria10和英特尔Stratix 10）上的表现。

英特尔可编程解决方案部门的FPGA 架构师兰迪·黄（Randy Huang）博士是这篇论文的合著者之一，他说：“深度学习是人工智能方面最激动人心的领域，因为我们已经看到深度学习带来了最大的进步和最广泛的应用。

虽然人工智能和DNN 研究倾向于使用 GPU，但我们发现应用领域与英特尔的下一代FPGA 架构之间是完美契合的。我们考察了即将出现的FPGA 技术进展，以及DNN算法加快步伐的创新，还考虑了对于下一代 DNN而言，未来的高性能FPGA是否比GPU更胜一筹。我们的研究发现，FPGA 在DNN 研究中表现很出色，可以运用于需要分析大量数据的人工智能、大数据或机器学习等研究领域。使用经过精简或紧凑的数据类型vs标准的32位浮点数据（FP32）时，接受测试的英特尔Stratix10 FPGA其性能胜过GPU。

除了性能外，FPGA还很强大，就是由于它们具有适应性，很容易实现变化的部分，只需要重复使用现有的芯片，让团队在短短6个月内就可以完成从提出想法到构建原型的过程，而不是花18个月构建专用集成电路（ASIC）。