美国投资研究机构晨星公司(MorningStar)分析师AbhinavDavuluri发布最新报告针对机器学习和人工智能(AI)研究认为，在芯片市场竞争上，英特尔(Intel)的胜算比NVIDIA更大。

财经杂志Barron’s报导，在加速器芯片市场中，包括NVIDIA的GPU，以及来自英特尔的FPGA和赛灵思(Xilinx)的芯片，2021年市场规模可能达到200亿美元，NVIDIA有能力继续受益于人工智能趋势，但英特尔与同行推出客制化AI解决方案后也能分得市场大饼。

Davuluri认为英特尔与赛灵思的优势在于机器学习的推论(inference)阶段，训练(training)阶段需要演算能力来了解资料集，但是论断是电脑根据新资料样本进行操作来推论答案。NVIDIA执行长黄仁勋预计其GPU主导训练阶段市场之后，就可以成功地进入推论阶段，预言未来每一个网路查询都可能依赖NVIDIA的GPU。

Davuluri可不这么认为，而是看好其他解决方案更适合深入学习的推论部分。Davuluri表示英特尔有比NVIDIA更广泛的芯片选择，认为英特尔可以在推论阶段发挥更大作用，包括FPGA、协同处理器和特殊应用集成电路(ASIC)将会占据加速器市场，特别是在推论方面。Davuluri认为推论阶段不需要NVIDIA倡导的功能，而英特尔与赛灵思的FPGA可能更适用。

Davuluri的报告指出，与在数据中心执行的人工智能大规模并行训练相反，智能手机、物联网或相关产品通常执行的是推论的连续计算。而推论工作负载可能会分散在更多处理器类型中，包括CPU、GPU、FPGA和ASIC。

高端智能手机专用处理器将加速如图像或语音识别等个别应用，同时减少CPU的功耗，从而延长电池使用寿命，如iPhone7使用集成到A10处理器中的图像信号处理器和GPU，来执行某些人工智能任务，然而对于未来的iPhone，传闻苹果(Apple)使用神经引擎(NeuralEngine)，仰赖的就是分立芯片。

另一方面，对于所有终端设备，尤其是物联网产品来说，使用专用加速器可能并不经济。因此，当性价比不是主要考量，可能会在CPU上执行推论运算，而处理大量的推论运算时，就会如数据中心使用GPU、FPGA，或客制化芯片。

报告认为FPGA最适用，但FPGA的缺点是与GPU相比，芯片编程困难度较高。最后，报告提到Alphabet的TPU，虽然TPU不见得会上市，但可能会驱使亚马逊(Amazon)和微软(Microsoft)等企业推出更多客制化芯片，成为英特尔、NVIDIA和赛灵思在人工智能芯片市场上的竞争对手。