美國投資研究機構晨星公司(MorningStar)分析師Abhinav Davuluri發布最新報告針對機器學習和人工智能(AI)研究認為，在芯片市場競爭上，英特爾(Intel)的勝算比NVIDIA更大。

　　財經雜志Barron’s報導，在加速器芯片市場中，包括NVIDIA的GPU，以及來自英特爾的FPGA和賽靈思(Xilinx)的芯片，2021年市場規模可能達到200億美元，NVIDIA有能力繼續受益于人工智能趨勢，但英特爾與同行推出客制化AI解決方案后也能分得市場大餅。

　　Davuluri認為英特爾與賽靈思的優勢在于機器學習的推論(inference)階段，訓練(training)階段需要演算能力來了解資料集，但是論斷是電腦根據新資料樣本進行操作來推論答案。NVIDIA執行長黃仁勛預計其GPU主導訓練階段市場之后，就可以成功地進入推論階段，預言未來每一個網路查詢都可能依賴NVIDIA的GPU。

　　Davuluri可不這么認為，而是看好其他解決方案更適合深入學習的推論部分。Davuluri表示英特爾有比NVIDIA更廣泛的芯片選擇，認為英特爾可以在推論階段發揮更大作用，包括FPGA、協同處理器和特殊應用集成電路(ASIC)將會占據加速器市場，特別是在推論方面。Davuluri認為推論階段不需要NVIDIA倡導的功能，而英特爾與賽靈思的FPGA可能更適用。

　　Davuluri的報告指出，與在數據中心執行的人工智能大規模并行訓練相反，智能手機、物聯網或相關產品通常執行的是推論的連續計算。而推論工作負載可能會分散在更多處理器類型中，包括CPU、GPU、FPGA和ASIC。

　　高端智能手機專用處理器將加速如圖像或語音識別等個別應用，同時減少CPU的功耗，從而延長電池使用壽命，如iPhone 7使用集成到A10處理器中的圖像信號處理器和GPU，來執行某些人工智能任務，然而對于未來的iPhone，傳聞蘋果(Apple)使用神經引擎(Neural Engine)，仰賴的就是分立芯片。

　　另一方面，對于所有終端設備，尤其是物聯網產品來說，使用專用加速器可能并不經濟。因此，當性價比不是主要考量，可能會在CPU上執行推論運算，而處理大量的推論運算時，就會如數據中心使用GPU、FPGA，或客制化芯片。

　　報告認為FPGA最適用，但FPGA的缺點是與GPU相比，芯片編程困難度較高。最后，報告提到Alphabet的TPU，雖然TPU不見得會上市，但可能會驅使亞馬遜(Amazon)和微軟(Microsoft)等企業推出更多客制化芯片，成為英特爾、NVIDIA和賽靈思在人工智能芯片市場上的競爭對手。