“GPU现在依然在性能表现上领先，但这也仅是人工智能当中的一环。”英特尔亚太研发有限公司总经理何京翔在接受财新等媒体的采访时表示，英特尔可以在人工智能（AI）上提供端到端的完整产品组合，并致力于打造AI生态体系，从而加快普及AI技术。

GPU（图形处理器）诞生于芯片公司英伟达，起初定位于游戏市场。近年来，人工智能研究人员发现，GPU在机器学习上的效率远高于传统的CPU。此后，百度、Google、Facebook等公司纷纷开始采购部署GPU，来加速机器学习。英伟达目前的股价已是去年同期的三倍。

英特尔大数据技术全球CTO戴金权认为，工业级的机器学习系统是一条复杂的大数据分析流水线。机器学习计算只是整个流水线中的一部分，而围绕着计算的基础设施却是庞大且复杂的，覆盖了数据的采集、标记、传输、分析等等。

何京翔向财新记者表示，相比GPU，CPU在整体解决方案上具有优势。CPU的使用门槛更低，市场存量更大，目前大量的数据也都储存在CPU体系中。何京翔以手机打比方，“对于用户来说，你真的关心里面是什么处理器吗？最关键的还是使用体验。”

眼下人工智能是英特尔重点发力的转型方向。财新记者了解，英特尔在大数据、机器学习等领域上的研发人员在百人左右，其中约三十人在中国。

从英特尔布局来看，2016年8月，英特尔收购了人工智能初创企业Nervana Systems，并推出了至强融核（Xeon Phi）系列，在同一个处理器中提供多个核心，以争夺英伟达的市场。2017年3月，英特尔还建立了自己的人工智能产品事业部。

此外，2015年6月，英特尔以167亿美元的价格收购FPGA生产商Altera。FPGA全称“现场可编程门阵列”，是一个可编程的半导体器件。“FPGA的方案应用于AI时，除了灵活性强，还具有低延时和低功耗的特性。”英特尔可编程解决方案事业部亚太区副总裁庄秉瀚专门展示了英特尔与英伟达产品的效率对比图。

英特尔凭借FPGA与英伟达竞争，胜算几何？“机会肯定有，但整体情况不一定很乐观。”专门研究芯片的Gartner研究副总裁盛陵海告诉财新记者，因为FGPA的价格也很高，关键是速度没有GPU快，所以在做机器学习的训练上就不如GPU。”

盛陵海表示，FPGA的特点使得它更适合于做判断。比如部署在一台识别人脸的摄像头上。财新记者了解，在深度学习领域，一个计算模型的产生有两个步骤，首先必须导入大量数据，对模型进行训练，整个过程可能耗时数天或数周，其次才是这个训练出的模型在实际场景中做出即时判断（inference）。

科大讯飞研究院深度学习研发平台总监张致江则向财新记者表示，FPGA与GPU难以比较高下，两者有自己的特点，适合于不同的场景。目前，科大讯飞也在尝试不同厂家的解决方案。

英特尔布局人工智能面临激烈竞争。除了英伟达，高通甚至谷歌都在布局人工智能。5月25日下午，“人机大战2.0”第二场比赛结果出炉，谷歌研发的人工智能程序AlphaGo再赢一场，击败中国棋手柯洁。谷歌在此次的AlphaGo上部署了单个第二代TPU。TPU（张量处理器）是谷歌特别设计用于机器学习的芯片，谷歌称，TPU的效率数倍于传统GPU与CPU的组合。

“如果说TPU是刘翔，我们想要培养的是快递小哥。我们注重量。”何京翔表示，英特尔更加关注如何让AI技术变得更容易获取。

在3月北京的战略分享会上，英特尔中国区总裁杨旭曾表示，英特尔现在要做一家数据公司，为数据的收集、传输和处理提供端到端的整体解决方案。何京翔认为，目前数据中心、FPGA、物联网等业务都在快速增长，这些将取代PC业务成为未来英特尔的主要收入来源。

英特尔财报显示，2017年一季度，英特尔营收148亿美元，同比增长8%。运营利润为36亿美元，同比增长40%，其中包含PC的客户计算业务贡献了30亿美元，运营利润率达到40%。包含FPGA产品的可编程解决方案业务贡献利润不到1亿美元。此外，还有部分业务出现亏损。