随着人工智能的不断发展，俨然成为科技圈的下一个风口，很多科技大鳄公司纷纷加入到这一领域，并且取得一定的成就。我们来看一下NVIDIA,、AMD、Intel这三个硬件厂商有关硬件设备的深度学习之争。
众所周知，AMD的显卡非常的棒。Vega Frontier Edition 系列明显的要优于NVIDIA的相应产品，通过一项类似于对Volta和Pascal所做的无偏差标准测试，在使用液态冷却的前提下，Vega Frontier 的性能要持平甚至优于Titan V。值得注意的是，Vega是基于传统的图形处理芯片架构，而Titan V是全新的。这样，在2018第三季度即将发布的新一代AMD架构，将会有更加出彩的表现。
AMD希望仅仅通过把32-bit 浮点数运算的图形处理芯片换成16-bit，从而在深度学习硬件开发上取得成功。这是一个既简单又有效的策略。这样设计的GPU，虽然对于高性能计算没有什么用处，但是对于游戏玩家以及深度学习社群来说，这样的改变会获得更稳定的表现，同时由于16-bit浮点数运算显卡的运算非常直接，芯片的开发成本也会相应降低。
然而最大的问题是软件。即使你拥有了这么强大的AMD GPU，你却很难使用它-因为目前没有一款主流的软件框架能够很好支持AMD GPU。
那么同样是显卡厂商的英伟达呢？随着英伟达Titan V的发布，我们迈入了深度学习硬件发展的动荡期。虽然Titan V的深度学习专用核心Tensor Core有着独特的性能，但性价比实在太糟，使其市场吸引力不足，只是现阶段除此之外又没有别的选择。
市场上还有另一位新晋竞争者：Intel Nervana的神经网络处理器（NNP）。凭借着几种迎合CUDA开发者需求的独特性能，它表现得还比较有竞争力。NNP处理器可以解决优化深度学习的CUDA内核中绝大多数的问题，这款芯片才真正称得上第一枚深度学习芯片。
值得注意的是，随着这些科技大鳄在人工智能方面的不断深入，人工智能的脚步也将离我们越来越近。在于硬件设备这一领域，国内企业还有很长的路要走，目前国内只有华为一家拥有手机芯片麒麟970处理器，而其它国内厂商无论是PC端还是手机领域都要依赖供应厂商供应才能实现。
