在上週， Intel 在舊金山舉辦首場以 AI 開發者為主的 AIDC ， 在大會中， Intel 介紹了它們目前手中持有的 AI 資源，想讓開發者知道 Intel 不只有 x86 CPU ，同時也透過軟體開源的方式，希望藉此拋磚引玉吸引開發者使用這些資源，而在這一切的背後不難看出 Intel 想證實它們已經做足了準備。
然而回歸現實，即便手中握有一手好牌， Intel 現在在新 AI 世代仍是處於一個等待東風的情況。 AI 並不是新議題，而是一個持續進行式，且直至 2012 年以前， Intel 保有絕對的優勢，畢竟在此之前談論到超級電腦、伺服器架構等，幾乎都是以純 CPU 打造的架構。但 2012 年卻也是一個重要的轉捩點，因為一宗案例使得整個業界對 AI 又為之瘋狂。
當年由多倫多大學的 Alex Krizhevsky ，以透過一張消費級的 GeForce GTX 580 搭配 CUDA 語法，利用在 90 年代所提出的類神經網路架構，一舉突破過往機器視覺影像辨識的極限，這也使得 GPU 與 CUDA 一戰成名，同時也使得多年停滯不前的 AI 有著飛躍性的成長，並且讓學習式 AI 成為可能，並引發業界一股基於機械神經網路的 AI 浪潮。
而這樣的成果也是 NVIDIA 期盼已久的東風，畢竟 NVIDIA 正式釋出 CUDA 已經是 2007 年的事情，但僅限支援 NVIDIA 架構且非開源一事，是不少開發者所詬病的，然而在持續多年不間斷地投入資源後，也終於在 2012 年一戰成名。
當然平心而論， GPU 並非 AI 技術的唯一選項，同時在既有的架構中， GPU 也仍需要搭配 CPU 才能進行運作，少了 CPU 的支持是無法進行基礎系統的運作，在整套系統中， GPU 扮演的角色也是屬於加速器的部分，故業界對於 AI 前仆後繼，仍對 Intel 的 CPU 有相當大的需求，只是在以神經網路為主的新 AI 發展，其光芒被 NVIDIA 蓋過。
以當前的超級電腦架構， GPU 仍避不開與 x86 CPU 的配合，不光只是因為 CPU 是做為運行基礎系統的必備條件，同時在當前的硬體架構中，多數的資源指派仍需要 CPU 負責，同時也需要由 CPU 提供充裕的記憶體；當然這些部分也牽涉到 Intel 並不開放對等權限給予 GPU ，雖然 NVIDIA 與 IBM 著手透過 NVLink 提供 CPU 與 GPU 對等權，只是在目前多數超級電腦的架構規劃， x86 仍是最主流的 CPU 結構。
在 AIDC 上， Intel 還是不忘先強調即便 GPU 再強， Intel 的新 Xeon 伺服器處理器有著充裕的記憶體支援，可做為深度學習所需的資料暫存，這確實也是事實，否則 NVIDIA 也不會藉由 NVLink 串接多張 GPU 的記憶體進行共享，然就根本而言，若能讓 CPU 與 GPU 進行相互溝通、共享記憶體，對於深度學習絕對有利無弊，不過從過往的經驗恐怕雙方都不太可能讓步。
對 Intel 來說，它們也陸續收購了許多公司補充 AI 硬體架構，希望藉由提供多元的方案滿足市場需要，其中包括 FPGA ，機械視覺方案 Movidius ，以及類神經網路處理器 Nervana ，藉由提供高度彈性、邊際人工智慧與專屬的人工智慧加速器等，讓開發者能依照需求選擇合適的方案，同時也強調如 FPGA 與 Nervana 有著比 GPU 更高的效率。
然而這就牽涉到最基礎的問題，超級電腦架構的規劃並非能瞬間決定，通常都需要長期的規劃，而規劃者本身的刻版印象又多少會影響，例如幾年前台灣氣象局的前超級電腦負責單位曾指出某超級電腦硬體廠商不斷對他們灌輸 GPU 在氣象運算的投資報酬率不高， Intel 在 GPU 正當紅的此刻推出解決方案，也需要長時間的市場耕耘。
其次現在也遭遇到公眾雲服務商如 Google 、微軟等，也在規劃自行設計的深度學習加速器，尤其在當前能夠決定深度學習軟體發展的，多為這幾家服務商所提供的框架，而它們所設計的加速器，也勢必針對其推廣的語法有最佳的加速架構；但也要注意的是，即便它們提供加速器架構，在整個雲端架構仍提供多元的方案供開發者選用。
對 Intel 來說，不同於 NVIDIA 將資源集中在 GPU 單一項目， Intel 現在擁有多種的方案，但同時所有的方案都還處於起步階段，何時利用這些架構成名的東風能夠吹來、且哪個項目能夠被東風帶起還是未知數，畢竟由 NVIDIA 起頭的新 AI 世代的戰爭也才正開始，對於最合適的硬體架構，誰也沒有正確答案。
