谷歌TPU和英伟达GPU都来抢市场，英特尔能靠FPGA稳住吗？

随着神经网络的研究和应用越来越多，人们也越发地认识到神经网络所需的计算力近乎于无底洞 。如果说高校实验室和一般爱好者在耐心等待之外办法不多的话，大公司们要面对的则是"做还是不做"的问题。

英特尔、英伟达、微软、谷歌这几年为了"做"，都有哪些举动呢？纽约时报的这篇文章可以带我们看看这一变化的梗概。

最近人们希望电脑能做的事情越来越多。电脑要跟人对话，要能认出人脸，也要能认出路边的小花，再过不久还要给人类开车。所有这些人工智能都需要极高的计算能力，即便当下最先进的电脑也没法随随便便完成。

为了能够满足高速增长的计算需求，一些科技巨头们现在正从生物学中寻找灵感。他们正在重新思考电脑的本质，然后建造更像人类大脑的机器：神经系统里要有一个中央脑干，然后把听、说这样的具体任务交给周围的大脑皮层去做。他们希望电脑也能这样。

新时代的萌芽

在连续几年的缓步发展以后，计算机终于又开始进化了，换上了新样子的计算机会产生广泛而持久的影响。它们能够大大提高人工智能系统的运行速度，也许未来某一天"机器人可以统治世界"的梦想也可以成真。这种转换也会削弱芯片巨头英特尔的地位。从提供互联网服务的数据中心、手里的iPhone到VR头盔和无人机，所有科技产品的核心都是半导体芯片。随着新型芯片的时代来临，目前年产值三千亿美元的半导体工业很可能会完全变个样子。

现任谷歌母公司Alphabet董事的 John Hennessy 曾任斯坦福大学校长，1990年代他出版写过一本计算机设计的权威著作。"这是一场巨大的变革，"他说，"现在的这一套做法马上就要过时了，大家都想重新开发一套系统架构。"

现有的计算机架构也有过自己的好日子。在过去的接近五十年里，计算机的设计者们都围绕着一块单独的、全能的芯片设计整个系统。这个全能的芯片就是CPU，台式电脑、笔记本电脑里都有，往往来自英特尔；手机里有时候也有英特尔的CPU。英特尔也是全球最大的半导体生厂商之一。

更复杂的系统在计算机工程师中间变得流行起来。以前可能所有的任务都要传到英特尔CPU中完成，现在的计算机则会把任务分成许多的小块，然后把它们交给外围的专用芯片完成，这些芯片结构比CPU简单、耗电也要更少。

谷歌的大型数据中心里的变化是对全行业未来走向的一个预兆。谷歌大多数的服务器里都还有一个CPU，但是现在有数不清的定制化芯片和它们共同工作，为语音识别等人工智能应用提供运算支持。

实实在在的需求推动了谷歌的这一变化。多年以来，谷歌都有着全世界最大的计算机网络，简直像是一个数据中心和线缆组成的帝国，从加利福尼亚一直扩张到芬兰和新加坡。然而，对这位谷歌的研究员来说，这样的网络还是太小了。

Jeff Dean 和谷歌为人工智能应用开发的TPU

Jeff Dean 是谷歌最出名、最受人尊敬的工程师之一。2011年他开始带领团队探索"神经网络"的想法。这种想法的核心是让计算机算法自己学习任务，然后可以用在很多的场合中，比如识别手机用户的语音输入，又或者是照片中的人脸。只花了几个月的时间，Jeff Dean 和他的团队就开发出了一个基于神经网络语音识别系统，它识别对话的准确率要比谷歌那时已有的系统高得多。但接下来也有一个麻烦，全世界运行谷歌的安卓系统的智能手机已经超过了10亿部，假设这些手机用户们每天只用3分钟语音识别，根据 Jeff Dean 的计算，谷歌也需要把现有的数据中心容量翻一倍才能支持得了。

监控着谷歌"数据中心帝国"运行的是计算机科学家 Urs Hölzle，在一次开会的时候 Jeff Dean 就对他说："我们需要再建立一个谷歌"，后来有参会者回忆道。但这个想法实现不了，Jeff Dean 就提出了一个替代方案：自己造一种专门运行这种人工智能的芯片。

谷歌数据中心里的这个苗头已经扩散到了其它科技巨头的身上。在未来几年里，谷歌、苹果、三星等公司都会制造带有专用的AI芯片的手机。微软设计的这种芯片打算专门用在AR头盔上，然后谷歌、丰田等一大群造自动驾驶汽车的厂商也会需要类似的芯片。

这种研发专用芯片和新计算机架构的热潮，在美国国防部研究机构 DARPA 的前项目管理人员 Gill Pratt 看来可谓是人工智能界的"寒武纪生物大爆发"，他本人现在正在丰田从事无人车的研究。他已经感觉到，把不同的计算分散给数量众多的小面积、低功耗芯片的运行方式，会让机器更像人脑，这也让能源的利用效率提高了不少。"在生物的大脑中，能源效率至关重要"，在近期的一次采访中，身处丰田在硅谷的新研究中心