在人工智能领域的芯片处理器中，主要以英特尔(Intel)和英伟达(NVIDIA)为主，而在近日该领域并不安宁：英伟达和英特尔忙着打口水仗。

上周，英特尔(Intel)在Intel Developer Forum (IDF)年度开发者大会上宣布将于2017年推出专门为人工智能深度学习而设计的最新一代产品——Intel Xeon Phi处理器，代号Knights Mill，称其运算能力比对手的产品快两倍以上，矛头直指英伟达(NVIDIA)。

英伟达也不甘示弱。就在IDF会议举行的当天，英伟达发布了一篇博客进行“强力反击”，文章标题就清晰地表明了立场：《纠正英特尔在深度学习基准上的错误》。

英伟达的文章直言，英特尔在深度学习基准方面弄不清事实，称英特尔在宣传其最新Xeon Phi处理器加速深度学习性能时使用了过时的数据，其在深度学习性能测试上还使用了英伟达很多年前的旧产品Kepler GPU系列，这属于有意误导消费者，没有给GPU性能一个公正的评价。而这两点“基准错误”修正起来是轻而易举的事。

英特尔现在深入研究深度学习，这很好。在我们步入人工智能时代的时候，这是一场最重要的运算变革，深度学习至关重要，以至于无法被忽视。但是，他们应当把事实搞搞清楚。

英伟达负责加速深度学习业务的副总裁Ian Buck还火上浇油地说，随着深度学习系统和人工智能领域日新月异的快速变化，“这个领域的新来者可能并没有意识到业内硬件和软件方面发生的所有发展变化。”

很快，英特尔数据中心集团副总裁Jason Waxman就在最近发布的一篇博客中予以回击，称“公开争论可用的性能基准是浪费时间。”他表示坚决捍卫自家公司的测试数据：

人工智能是新生事物。作为一个拓宽人工智能领域的创新催化剂，英特尔的领导力将至关重要。

虽然现在很多人都在谈论GPU对于机器深度学习的价值所在，但事实上，去年为深度学习而研发的处理器中，使用到GPU的比例还不到3%。

而英伟达恰恰是全球GPU生产领域的“老大”。所以，Jason Waxman的暗指对象再也明确不过了。

和更为人所知的CPU相比，GPU有什么优势呢?GPU中文译名为图形处理器，其在视觉处理能力方面表现优异，亮点在于其强悍的并行运算能力，可以平行处理大量琐碎信息。此外，GPU处理速度非常快。国内最好的人工智能硬件研究项目“寒武纪”小组的最新研究结果表明，GPU能够提供平均 58.82X 倍于CPU的速度。

英伟达CEO黄仁勋曾称，利用GPU的大规模处理能力来学习人工智能算法是一种全新的计算模式。分析师认为，随着人工智能和深度学习的发展，GPU等有些芯片具有颠覆CPU(中央处理器)的潜力。

在计算机处理器领域，英特尔对于英伟达的迅猛崛起倍感压力。这家老牌CPU生产商在忙着打口水战的同时也采取了实际行动，斥资4亿美元收购了深度学习技术公司Nervana Systems，目标在于取得其预计2017年问世的深度学习加速器芯片，以此挑战英伟达在人工智能市场的主导地位。届时，如果芯片性能表现一如预期，那么英特尔有望在深度学习的处理器领域超越英伟达的GPU。

英伟达在公司整体盈利和深度学习方面都进展很快，第二季度，公司净利润2.53亿美元，去年同期为2600万美元，同比增长873%;数据中心业务营收达到1.51亿美元，同比增长了一倍多，其中很大一部分是深度学习系统贡献的。华尔街显然对英伟达的发展战略是认可的。英伟达当前股价已处于历史峰值水平。

相比之下，英特尔二季度净利润则受到重组减记14亿美元的拖累而遭遇“腰斩”，至13亿美元。这家处于转型中的巨头的盈利的两大增长点——数据中心和物联网营业收入均不及预期，数据中心的净营业收入为40.3亿美元，市场预期为41.6亿美元。

本文转自d1net（转载）