人工智能（AI）掀起新一波科技浪潮，令市場為之瘋狂，瑞銀（UBS）預言Nvidia、超微（AMD）、英特爾與高通等4 家芯片製造商，未來將主宰整個AI 產業，當中又以Nvidia 最被看好。
瑞銀分析師Stephen Chin 指出，AI 發展目前百花爭鳴，才在起始階段，未來還有很大成長空間，將推升半導體產業進入新的篇章。瑞銀模型預估，機器學習與人工智能等相關半導體產值（不含記憶體），2021 年將從今年的82 億美元成長至350 億美元，換算複合成長率達41%。（Businessinsider）
瑞銀分析師最看好Nvidia，原因是Nvidia 技術領先同業至少一年，且與英特爾是目前有唯二具備全方位AI 解決方案的芯片廠，超微、高通、三星甚至Google 技術均不足以含括整個AI 產業。
不過也有分析師持不同看法，晨星分析師Abhinav Davuluri 在9 月底發佈的報告上指出，Nvidia 雖然提早進入AI 領域佈局，但這不代表Nvidia 能永遠稱霸，未來仍有可能被後發者追過。
英偉達，人工智能時代的最大贏家
幾年前在移動端折戟的英偉達，應該沒想到今天會在人工智能市場大紅大紫，憑藉GPU優勢，他們毫無疑問的成為人工智能大贏家。
據財新網報道，從計算機發展歷程來看，GPU最初的誕生與不斷增長的視頻遊戲市場有關，而它與CPU區別明顯，前者用來解決具有複雜計算步驟的任務，而GPU的設計則更適合對海量數據進行批量化地操作。後者正是人工智能時代的核心、深度學習技術所需要的。
「摩爾定律減緩之後，GPU加速計算擴展了計算能力，使那些迫切需要更多計算的應用能夠繼續。」 黃仁勛説。摩爾定律認為，集成電路上可容納的晶體管數目，約每隔兩年便會增加一倍。業界認為，摩爾定律將持續到2020年左右。「如今GPU的應用範圍越來越廣，已經涉及到各種領域。」
黃仁勛形容， AI正在「吃掉」軟件，未來軟件的方方面面都將被AI滲透。而英偉達很早便以上游供應商的視角意識到了這樣的機遇，提前佈局。
這樣的轉變也是市場對英偉達的期待所在。人工智能是華爾街今天最熱衷的概念，而更令市場興奮的是，在各大科技公司紛紛虧損砸錢布局的當下，英偉達已經開始賺錢。今年第一財季英偉達數據中心業務營收4.09億美元，遠好於預期的3.182億美元，環比增長38%，連續第七季度實現增長。
「世界上所有主要的互聯網和雲服務提供商都在用英偉達的Tesla GPU加速器，」英偉達CFO Collette Kress在財報電話會議上説。「人工智能正迅速成為科技領域最具影響力的力量，而站在人工智能中心的正是英偉達的GPU。」
汽車也是Nvidia的另一關注點。
去年以來，英偉達已經先後與奔馳，奧迪，博世，特斯拉，豐田等建立合作關係。英偉達還相繼發佈了Xavier下一代車載電腦，使用DRIVEPX2車載電腦平臺的BB8無人駕駛汽車，包含多種感知功能的人工智能協同駕駛系統AICo-Pilot等。
英偉達與一些汽車廠商的最早合作始於車載娛樂系統，現在則是為汽車提供「大腦」，這十年的變化像是一場逆襲。英偉達無疑是現在這個人工智能時代的寵兒，所有最熱門的風口上都有它的身影。有説法就形容，芯片行業在PC時代屬於英特爾，移動手機時代屬於高通，目前正在進入人工智能新時代，而英偉達已經搶佔先機。
「今天英偉達是一家做人工智能業務的GPU計算公司，但將來某一天我們希望自己就直接成為一家人工智能計算公司。」 黃仁勛接受Techcrunch採訪時説。
AMD：千年老二的逆襲夢
無論是CPU或者GPU，AMD都是第二，一直以來，他們也在謀劃逆襲，在人工智能時代，似乎他們想逆襲的夢又破滅了。
AMD最近公佈了實現這些目標的新措施。首先是一款新顯卡產品——Radeon Vega(基於之前公佈的新顯卡架構);其次是新版開放源代碼軟件平臺ROCm——使機器學習框架和其他應用能利用多種顯卡的軟件層。
這兩個元素——硬件和軟件，同等重要。對於AMD反擊英偉達在機器學習領域的優勢來説，兩者缺一不可。
AMD新一代明星顯卡：Vega
長期以來，AMD一直致力於提供性價比最高的產品，無論是處理器還是顯卡(或長期以來傳言中的二合一產品)。Vega——AMD的新一代顯卡，目標不是成為英偉達Pascal系列顯卡的高性價比替代品，而是完全擊敗Pascal。
InfoWorld 表示，AMD披露的早期跑分顯示，Radeon Vega Frontier Edition顯卡(一款專業級Vega顯卡)，在DeepBench中的跑分是英偉達Tesla P100顯卡的1.38-1.51倍——與使用的英偉達驅動程序版本有關。
儘管跑分這種事兒不必過於認真，但如此大幅度的性能差距仍然給人留下深刻印象。重要的還有AMD產品的價格。Tesla P100零售價約為1.3萬美元(約合人民幣8.9萬元)，AMD尚未披露Vega Frontier價格。即使Vega Frontier價位與Tesla P100相當，它也還是很有吸引力的，符合AMD的總體商業策略。
AMD應對CUDA的技術：ROCm
對於AMD在機器學習領域獲得優勢更重要的不是在價格上擊敗英偉達，而是確保其硬件在常見機器學習應用中得到與英偉達至少同等程度的支持。
大體上，利用顯卡進行加速的軟件，都使用英偉達的CUDA庫文件——只支持英偉達硬件。開放源代碼的OpenCL庫，在多種類型設備上提供與廠商無關的支持，但性能不如CUDA等專用解決方案。
AMD沒有努力改進OpenCL，使之可以與CUDA媲美——這是一個由委員會推動的緩慢過程，而是打造自己的開放源代碼顯卡計算平臺ROCm(Radeon開放計算平臺)。AMD的理念是，ROCm為顯卡——主要是AMD自家顯卡，提供了一個與語言和硬件無關的中間件層，從理論上説適用於任何顯卡。如果有需要，ROCm還可以通過OpenCL與顯卡通訊，但也提供有直接與底層硬件通訊的渠道。
InfoWorld稱，與OpenCL相比，ROCm能大幅提升機器學習應用的性能，這一點是毋庸置疑的。把Caffe框架移植到ROCm，速度比OpenCL版提升了約80%。另外，AMD還宣稱，移植代碼利用ROCm是一個高度自動化的過程，這是現有框架嘗試ROCm的又一個「誘因」。對其他框架的支持——例如TensorFlow和MxNet，也在規劃中。
AMD心目中的最終目標並不複雜：創建一個環境，使其顯卡在機器學習領域能替代英偉達產品。AMD可以通過以相當的價格提供性能相當甚至更高的硬件，確保現有的機器學習軟件生態鏈能在其顯卡上運行來實現其目標。
在某種程度上，移植軟件是最簡單的部分。移植軟件基本上就是聘請足夠多的編程人員，為最重要的開放源代碼機器學習框架改寫需要的代碼，然後隨着硬件和框架不斷髮展而更新代碼。
對於AMD來説最困難的工作，可能是在大規模提供顯卡的應用中取得立足之地。Amazon Web Services、Azure和Google Cloud Platform中的顯卡都是英偉達產品。需求尚不支持其他顯卡。但是，如果新一代機器學習軟件更加獨立於顯卡，雲服務提供商將失去一個不採用Vega或其後續產品的藉口。
AMD引導其顯卡在機器學習領域需求的任何計劃都是大膽的。AMD要成功需要數年時間，因為它面對的是一個英偉達已經稱霸多年的世界。
Intel：半導體老大覺醒
和英偉達一樣，英特爾也在移動市場的泥潭裏面掙扎了很久，但人工智能的出現，讓他們又重新充滿了活力。
作為一家專注於數據處理的公司，英特爾也深刻地認識到未來AI領域即將到來的偉大變革和其所帶來的對數據計算的全新要求。
英特爾的判斷是，未來人工智能領域的硬件將朝着更多元化發展，但隨着計算機時代的發展變得愈加成熟，很多技術的部署變得非常困難，因為很多技術都是在整個人工智能的框架之下的，但是在整個AI相關的領域當中，只有7%的應用才是符合AI的具體要求以及訴求的。
於是，為了更好地實現人工智能，英特爾也在不斷延伸其技術佈局，包括收購全球領先的無人駕駛方案提供商Mobileye、深度學習和神經網絡芯片與軟件領域的領導廠商 Nervana、領先的計算機視覺公司 Movidius和領先的人工智能服務提供商 Saffron。通過把這些投資和英特爾至強、至強融核產品、實感技術和 FPGA 相結合，提供全棧實力處理端到端數據，從硬件、庫和語言、框架、工具到應用方案，擁有向市場提供端到端的人工智能解決方案所需的全部資產。
在軟件層面，英特爾方面表示：「目前的深度神經網絡還有很多技術點有待突破，神經網只是實現人工智能的一個工具，但未必是最後的工具。」
對於AI算法，英特爾目前正致力於如何使系統實現更少的數據及人力依賴；如何讓模型更稀疏；如何壓縮模型使之更易存儲；如何對模型剪裁使其運算量最少；如何使計算精度下降，甚至降至一位。他們認為，深度學習的算法可以分為兩部分，一部分是會變的，一部分是相對可靠的。深度學習算法中的基本操作、任務計算、卷積計算等在這些年間一直沒有大的變化，所以接下來的深度學習技術不會在一夕之間完全改變。
高通：移動芯片巨頭的延伸
憑藉移動芯片和技術影響力，高通在智能手機時代大發神威，他們也不想錯過人工智能時代。除了在自身的驍龍芯片上加入AI以外，高通還通過其他方式發展人工智能。
前不久，高通宣佈收購荷蘭一家專注於製造業、醫療保健和金融行業機器學習和深度學習技術和解決方案的阿姆斯特丹大學附屬初創公司Scyfer。高通集團全球副總裁、投資部中國區總經理沈勁透露，高通在人工智能領域投資的相關公司和項目包括：美國大腦集團(brain)，它用七年時間，從研究人的大腦開始，到提供軟件，應用於機器人，實現移動性、導航性；還有美國人臉識別公司Clarifai；中國智能語音公司雲知聲等。但其實高通在機器學習領域的探索早在十年前就已經開始。最初高通主要研究的是面向計算機視覺和運動控制應用的機器學習脈衝神經方法。一段時間後，高通的研究範圍逐步擴展到深度學習領域，其中包括感知、推理和行動，並涵蓋了聽、看、監測、觀察、學習、自然交互和保護隱私等方面。
當我們談論人工智能的時候，不外乎5個要素：算法、計算、語音、圖像識別和視覺等。國內外能叫的上來的互聯網巨頭們也正在加緊這其中幾個領域在「雲」上的應用。與他們不同的是，高通的目光並沒有放在雲端的AI中，而是希望將機器學習應用在終端上，也就是聚焦在自己的長板上。
未來的人工智能走向何方，很多企業的作用都很關鍵，但這幾個龍頭帶來的推動，無疑是值得期待的。