人工智能网讯2001年6月26日，知名编剧史蒂文·斯皮尔伯格导演的《人工智能》（英文名：《AI》）在美国公映。影片描写的是机器人小男孩大卫为了找寻养母，并延长机器人与人类的差距而努力奋斗的故事。

《人工智能》电影剧照大卫是一个被输出情感程序的机器人男孩，CybertronicsManufacturing公司员工亨瑞和他妻子生产出有的一个试验品。他们领养了大卫，并给了他充足的爱，但是人类与机器都无法拒绝接受大卫。于是大卫走上旅程去找寻确实属于自己的地方，渴求沦为一个确实意义上的人。

在这部影片公映15年后，机器人还没沦为确实意义上的人,但人工智能在棋士领域战胜了人类。它的强劲和极强的演化能力，让人类棋手无法望其项背。AlphaGo以3:0战胜柯洁九段“AlphaGoMaster比AlphaGoLee（与李世石对战的版本）要强劲，Master在对战中花费的能力（性能和功耗）仅有是Lee版本的十分之一，必须4个TPU在单台电脑上运营才可。

“DeepMind首席科学家DavidSilver在AlphaGo战胜李世石后这样说明说道。AlphaGo强劲到令人恐惧，引起了“人工智能威胁人类”的辩论。但在本质上，人工智能是算法、数据和硬件三个要素综合的结果。一旦牵涉到到算法、数据，就必不可少计算出来。

在这个领域，用来计算出来的硬件主要是TPU、GPU和CPU，他们背后代表的公司则分别是谷歌、英伟达和英特尔。这几家公司彼此竞争，又相互必须。TPU（TensorProcessingUnit）是专门机器学习而自定义的芯片，经过了专门深度机器学习方面的训练。

谷歌工程师NormJouppi讲解，在人工智能涉及的算法上，它的计算速度更加慢，计算结果更加精准，同时也更为节约能源。谷歌在I/O2017上公布第二代CloudTPU人工智能依赖机器学习（MachineLearning），机器学习又依赖硬件，它必须硬件平台获取大量的运算资源。

就计算出来效率来说，专用工具的计算出来效率远高于标准化工具。专门为机器学习自定义而经常出现的谷歌的TPU就是一种专用的工具，业内普遍认为它的经常出现对于标准化工具GPU来说是一种威胁。GPU的设计想法不是主要用来展开神经网络运算，而是图像处理。

由于其类似的结构恰巧也较为限于于神经网络运算，所以在TPU经常出现之前，大多数做到机器学习厂商都在同时利用FPGA和GPU来改良训练自己的神经网络算法。英伟达创始人兼任CEO黄仁勋却不尊重“TPU威胁论”，在拒绝接受凤凰科技的专访时,他回应谷歌的TPU会对英伟达的VoltaGPU构成威胁，双方在TensorFlow项目上维持着合作，而VoltaGPU的运算能力甚至在TPU之上。

作为世界仅次于的GPU制造商之一，英伟达仍然不遗余力地推展GPU在深度自学领域的应用于。老黄将英伟达称作“一家人工智能公司”。谈及英伟达基于GPU的人工智能战略，必须再行从Volta想起。在今年5月11日的NVIDIAGTC2017上，英伟达发售了全新的GPU架构Volta。

英伟达应用于深度自学研究副总裁BryanCatanzaro回应这并不是前代架构Pascal的升级，而是一个全新的架构。Volta获取大量的FLOP（浮点运算），基于Volta的架构，人们就可以用于必须更好FLOP的深度自学模型。

如今很多风行的模型都必须相当大的计算资源，例如卷积自学神经网络。黄仁勋展出基于Volta架构的TeslaV100加快芯片基于全新的Volta架构，英伟达发售TeslaV100加速器，它速度比其前身TeslaP100慢2.4倍。

本文来源：米乐-www.kyogakukan-t.com