5月下旬，在英特尔首届AI开发者大会（Intel AI DevCon 2018）上，其全球副总裁兼人工智能产品事业部总经理Naveen Rao表示，英特尔正在开发第一个商用神经网络处理器产品英特尔Nervana NNP-L1000（Spring Crest），计划在2019年发布。据他表示，该芯片相较于去年10月推出的代号为“Lake Crest”专用人工智能芯片NNP优化实现3-4倍的训练性能。
本月初，英伟达正式发布了全新AI芯片“Jetson Xavier”，在CEO黄仁勋看来：“这台小电脑，将成为未来机器人的大脑”，将该芯片的使用范围清晰定义在机器人领域。
AMD近日公开了全球首款7纳米制程，名为“Radeon Vega”的GPU芯片原型。
IBM在近日提出了全新的芯片设计，可以通过在数据存储的位置执行计算来加速全连接神经网络的训练。
英特尔：深度学习训练性能提升100倍
对于英特尔来说，想要在巨头扎堆的AI芯片战场上站稳脚跟并不容易。PC时代，英特尔以90%的市场份额几乎完全垄断了CPU市场，但随着GPU和各类可替代处理器的不断推陈出新，CPU的市场开始萎缩。
正是发现了这一趋势，英特尔也开始依托产业平台转型，争取搭上人工智能的未来浪潮。收购“Nervana”便是浓墨重彩的一笔。
2014年4月，Nervana以打造“深度学习专用硬件”为主营业务正式成立，从成立之初到三轮共2050万美元融资，到被英特尔收购。三年半时间，终于去年10月公布了Nervana NNP系列初代芯片“Lake Crest”，于去年年底开始出货。
据了解，这款神经网络处理器的设计目的是为了快速解决AI应用遇到的数学问题，特别是神经网络，是目前比较流行的机器学习技术分支。
前Nervana CEO、英特尔全球副总裁兼人工智能产品事业部（AIPG）总经理 Naveen Rao
在此基础上，本次AI开发者大会上Naveen Rao公开了英特尔新一代AI芯——英特尔Nervana NNP-L1000，代号为“Spring Crest”的专用人工智能芯片，与“Lake Crest”只供应给一小部分英特尔合作伙伴不同，“Spring Crest”成为英特尔第一款商用神经网络处理器，并计划在2019年发布。
英特尔的目标是，到2020年将深度学习训练的性能提升100倍，具体实现路径是通过Crest的家族，与前代相比，新一代芯片将实现3-4倍的训练性能。
英伟达：Titan+DRIVE+Jetson
去年12月，英伟达推出了重磅产品“Titan V”PC GPU，该款GPU拥有110万亿次浮点运算性能，是其去年4月份公布的架构Titan Xp的9倍，和用于数据中心的英伟达Tesla V100 GPU一样，Titan V也更加清晰地面向AI。
据黄教主介绍说，“Volta”系列的“创生”主要为推动高性能计算和人工智能的极限：“我们用新的处理器架构、指令、数字格式，以及存储器架构等打开新的局面。”
在自动驾驶领域，英伟达的“DRIVE”系列也是各个性能爆表。去年10月，发布了“DRIVE PX Pegasus”自动驾驶平台，载了两颗Xavier芯片，以及Volta架构GPU，高配置让其拥有了高达320 TOPS的深度学习处理能力，这个数值是上一代DRIVE PX平台的数倍。而仅仅在两个月后的“CES 2018”上，黄教主在主题演讲中展示了NVIDIA最新的自动驾驶技术“DRIVE XAVIER”，在各种“核弹”级参数下，这款芯片在2018年Q1开始流片。
作为Issac项目的嵌入式硬件平台，Jetson主要面对的应用场景是机器人。相较于此前TX1（Maxwell架构）、TX2（Pascal架构）型号，加了“Xavier”的Jetson含了六颗处理器，每秒可执行30万亿次操作。
据了解，打造这款芯片足足耗费了五年的时间——三年设计、两年筑造，共有超过8000人参与了设计与开发，是Nvidia单独做过的最长的处理器项目。它的处理能力与配备了10万美元GPU的工作站大致相同，但功率仅为30瓦。当前Nvidia的技术，已经被一些企业用于自主仓库机器人、机器采摘和农业机器人。
AMD：与英特尔合作牵制英伟达
无论在CPU还是GPU的市场份额上，AMD在短期内都无法撼动英特尔和英伟达的行业霸主地位。
但面对英伟达频频推出“核弹”，英特尔和AMD开始了合作牵制策略。去年11月，AMD和英特尔又联手向英伟达发起挑战，正式宣布联手推出集成英特尔处理器和AMD图形处理器的用于轻薄便携笔记本电脑芯片。
分析人士称，AMD、英特尔、英伟达未来的竞争主要在人工智能领域。
AMD首席执行官Lisa Su展示最新的7nm GPU
AMD此次公开展示的全球首款7纳米制程的GPU芯片原型是对这个预言的应验。这款含有32GB高带宽内存的芯片，专为人工智能和深度学习设计，用于工作站和服务器。
据了解，Vega性能相比上一代节点（14纳米）性能提高35％，能效提高两倍，密度也翻了一番。
IBM：DNN算力是GPU100倍
IBM在最近发表在Nature上的一篇论文中表示说，IBM Research AI团队用大规模的模拟存储器阵列训练深度神经网络（DNN），达到了与GPU相当的精度。
用GPU运行神经网络的方法近年来已经通行人工智能领域，然而两者的组合其实并不完美。IBM 研究人员希望专门为神经网络设计一种新芯片，使前者运行能够更快、更有效，据研究人员称，IBM全新芯片可以达到GPU 280倍的能源效率，并在同样面积上实现100倍的算力。
