機器學習和人工智能，正迅速成為重塑企業(yè)IT支柱和讓企業(yè)成為頂尖公司的方式。

　　在今年9月份的時候，微軟、谷歌、Facebook、IBM和微軟等巨頭宣布一起建立 AI 合作組織。現(xiàn)在，他們正在大量投資 ML / AI 的硬件設計，旨在大大加速下一代應用。以下是他們的堆疊計劃： 　　英特爾 　　它在做什么：世界上最知名的芯片制造商最近推出了專門針對ML應用的新的CPU系列：Knights Mill。 它還提到計劃將其CPU與可重新編程的FPGA處理器融合在一起，這是一種功能強大但尚未完全開發(fā)的英特爾技術。
　　
　　為什么這樣做：隨著PC市場繼續(xù)“融化”，像北極冰川，英特爾一直在尋找方法來彌補差額。 服務器產(chǎn)品本身不會做到這一點，因此英特爾已經(jīng)擴大了其包括用于加速ML功能的主處理器和協(xié)處理器的需求。
　　
　　但是，英特爾不太可能提供自己的GPU用于ML工作。 英特爾與GPU的努力從未達到其他處理器制造商的水平，但它總是認為其CPU特定的改進可以勝過GPU。 畢竟，英特爾只想創(chuàng)造一個環(huán)境，其CPU單獨 - 不與另一家公司的GPU混合 - 為未來提供動力。
　　微軟 　　它正在做什么：在為特定設計的FPGA設計Microsoft Azure云后，為其集群添加機器學習加速功能，Microsoft正在談論允許客戶直接對設備進行編程，以便在云中啟用更強大的機器學習工具。
　　
　　為什么這樣做：Microsoft已經(jīng)提供了在Azure內(nèi)外的ML / AI工具。 但現(xiàn)在微軟正在考慮一種為云客戶提供機器學習硬件的新方法。 困難的部分是FPGA對于編程是復雜的，并且對于ML作為GPU還不是很了解。
　　谷歌 　　它正在做什么：Google已經(jīng)在軟件方面對TensorFlow等框架進行了深入的機器學習，但現(xiàn)在提供了一個硬件補充 - Tensor處理單元 - 來加速特定的機器學習功能。
　　
　　為什么這樣做：像微軟一樣，Google希望其云成為ML應用的首要目的地。 谷歌已經(jīng)明確表示，它想要脫穎而出更容易使用，所以它不太可能考慮低級訪問ML硬件。 如果人們想要在熟悉的環(huán)境中直接訪問機器學習硬件，那么總是有Google Cloud的全新GPU實例?？赡苄允莾蓚€硬件產(chǎn)品將協(xié)同工作。
 　IBM 　　它正在做什么：IBM的新機器學習工具集PowerAI運行混合使用IBM的Power處理器和Nvidia GPU，使用新的專用硬件連接在一起，設計用于盡可能緊密地連接CPU和GPU。
　　
　　為什么這樣做：IBM已經(jīng)有一個家喻戶曉的ML / AI項目：Watson。 但是Watson被設想和提供主要作為一套黑盒子服務。 PowerAI是一個硬件套件，而不是特定的處理器或GPU，針對高端客戶，他們希望自己的能力和如何使用它的全面控制。 它符合IBM針對Power處理器系列的計劃，該處理器系列圍繞機器學習工作負載所應用的大數(shù)據(jù)和云應用程序。