Joe：「人工智慧未來2年內，在美股市場肯定還有一波可以炒作的空間」
人工智慧（AI）被視為第四次工業革命核心，預估到2020年，市場商機規模高達3000億美元，「得晶片者得天下」概念發酵，因此吸引各大科技廠爭相加碼投資。
過去因為資料量不夠大，同時機器CPU無法做準確分析，如今各種結構與非結構性資料量愈來愈大，全部被集中到雲端或者可藉由終端手機進行資料蒐集及分析。資料量愈來愈多樣化，加上各式演算法愈來愈精進，使得人工智慧的環境趨於成熟。
Nvidia（英偉達）一直是圖像處理的行業龍頭，GPU的浮點運算、同步並行運算是非常適用於人工智慧的深度學習神經網絡，因此成為AI晶片領頭軍。谷歌無人駕駛汽車就採用了Nvidia的移動終端處理器Tegra（4核CPU+256核GPU）。2016年8月，英偉達推出首台深度學習超級計算器Nvidia DGX-1。2017年4月，Nvidia宣布為Tesla自駕車開發全新數據中心加速器Tesla P100已經供貨，面向人工智慧、自動駕駛、氣候預測、醫藥開發等專業領域。
Google在2017年5月的I/O大會推出AI晶片「TPU」（Tensor Processing Unit）是客製化的ASIC（特殊應用邏輯IC），專為機器學習設計，用於改善搜尋結果的相關性，提高Google街景服務地圖和導航功能的正確度。也就是說，TPU專為特定用途設計的特殊規格邏輯IC，只執行單一工作，所以速度更快，但缺點是成本較高。
英特爾2016年9月收購視覺晶片公司Movidius。歷經將近一年的研發，於2017年8月底宣佈推出了全新的Myriad X視覺處理器（Vision Processing Unit；VPU），這是全球第一個配備神經運算引擎（Neural Compute Engine）的系統單晶片（SoC），可用於加速產品端的深度學習推理，未來可應用在無人機、機器人、智慧攝像機、虛擬實境與擴增實境等產品。
高通早在2015年CES推出Snapdragon Cargo是一款無人機SoC晶片，具有視覺運算可應用於工業、農業監測、航拍。此外，高通的驍龍820晶片也被應用於VR頭盔中。事實上，高通已經在研發能在終端完成深度學習的移動設備晶片。
IBM推出TrueNorth 晶片，又於2017年8月9日宣布已發展出採用多台伺服器搭配分散式深度學習軟體（Distributed Deep Learning；DDL）縮短深度學習時間，提高效率。IBM使用了64個自行開發的Power 8伺服器，每一個微處理器都與256顆英偉達繪圖處理器透過NVLink連接起來，讓兩種晶片之間的資料流程進行傳輸。當其開始處理來自ImageNet-22K資料庫的750萬張圖片時，其識別準確率高達33.8%，比起微軟先前的29.8%紀錄還高。
蘋果公司對未來開發的產品，一向神祕低調。消息傳出蘋果正在開發AI晶片Apple Neural Engine，且內建於新一代的iPhone/iPad原型機進行測試，期望提升臉部或語言辨識能力。還有研發出一套人工智慧架構平台，可讓兩組Siri軟體相互對話溝通，應用在智慧居家領域。同時，蘋果也積極開發深度學習技術，鎖定自動駕駛車以及智慧家居應用，要把虛擬語音助理軟體Siri更加智慧化。
微軟準備為下一代Hololens擴增實境裝置打造一個客製化的TPU人工智慧晶片，也不排除在Hololens晶片推出之後，也可以用於微軟的雲端服務之上。也在試驗另一種晶片FPGA（可程式化邏輯元件），FPGA介於GPU和ASIC之間，沒有GPU那麼通用，也不像ASIC只有單一功能，FPGA能重新編程，執行多種功能。
結語
AI晶片包含三大類市場，分別是數據中心(雲端)、通信終端產品(手機)、特定應用產品(自駕車、頭戴式AR/VR、無人機、機器人...)。當前機器學習多採用 GPU圖像處理，尤以Nvidia 是此一領域龍頭，但是，有些業者認為GPU處理效率不夠快，而且因應眾多特定新產品的不同需求，於是，推出NPU、VPU、TPU...等等。總而言之，AI晶片是一個新興的產品，等待「殺手級」出現，充滿無限大的市場。由於，搶未來AI應用市場商機，科技巨鱷如Google、微軟、蘋果企圖建構AI平台生態模式吃下整個產業鏈。
目前還不清楚哪種架構的晶片會在 AI 大戰獲勝。但(手機)終端市場對於AI晶片的功耗、尺寸、價格都有極為嚴格的要求，難度上比雲端數據晶片更高。
至於CPU是否會被TPU、NPU、VPU….等之類新類型處理器取代，答案應該不會。因為，新出現的處理器只是為了處理新發現或尚未解決的問題；同時，希望晶片市場能有更多競爭及選擇，不要英特爾、高通獨大。科技企業搶人工智慧應用商機，AI晶片成為兵家必爭之地。
http://iknow.stpi.narl.org.tw/Post/Read.aspx?PostID=13742
