市場對人工智能的熱情持續高漲，特別是硬件領域。

　　正在向人工智能服務器供應商轉型的圖形處理器 （GPU）生產巨頭英偉達（NVIDIA）股價周一創出歷史新高，凸顯出市場對人工智能硬件領域的追捧。

　　目前，Google、Facebook、Microsoft、百度等科技巨頭紛紛涉足人工智能。Google本周就宣布，正在為人工智能研發專門的芯片TPU。浙商證券分析師楊云表示，人工智能將成為下一個大風口，首當其沖的就包括硬件。

　　在圖像語音識別、無人駕駛等人工智能領域的運用層面，圖形處理器 （GPU）正迅速擴大市場占比，而谷歌專門為人工智能研發的TPU則被視為GPU的競爭對手。

　　概念

　　人工智能的實現需要依賴三個要素：算法是核心，硬件和數據是基礎。

　　算法主要分為為工程學法和模擬法。工程學方法是采用傳統的編程技術，利用大量數據處理經驗改進提升算法性能；模擬法則是模仿人類或其他生物所用的方法或者技能，提升算法性能，例如遺傳算法和神經網絡。

　　硬件方面，目前主要是使用 GPU 并行計算神經網絡。

　　浙商證券制作了下圖體現這些要素之間的關系：

　　從產業結構來講，人工智能生態分為基礎、技術、應用三層。

　　基礎層包括數據資源和計算能力；技術層包括算法、模型及應用開發；應用層包括人工智能+各行業（領域），比如在互聯網、金融、汽車、游戲等產業應用的語音識別、人臉識別、無人機、機器人、無人駕駛等功能。

　　GPU

　　英偉達（NVIDIA）制造的圖形處理器 （GPU）專門用于在個人電腦、工作站、游戲機和一些移動設備上進行圖像運算工作，是顯示卡的“心臟”。

　　GPU與CPU的區別

　　本身架構方式和運算目的的不同，導致英特爾制造的CPU 和 GPU之間有所區別（圖表來自浙商證券）。

　　GPU之所以能夠迅速發展，主要原因是GPU針對密集的、高并行的計算，這正是圖像渲染所需要的，因此 GPU 設計了更多的晶體管專用于數據處理，而非數據高速緩存和流控制。

　　與CPU相比，GPU擁有更多的處理單元。據海通證券分析師鄭宏達、魏鑫介紹，

　　和CPU 上大部分面積都被緩存所占據有所不同，諸如GTX 200 GPU之類的核心內很大一部分面積都作為計算之用。如果用具體數據表示，大約估計在 CPU 上有 20%的晶體管是用作運算之用的，而（GTX 200）GPU 上有 80%的晶體管用作運算：

　　GPU 的處理核心 SP 基于傳統的處理器核心設計，能夠進行整數，浮點計算，邏輯運算等操作，從硬體設計上看就是一種完全為多線程設計的處理核心，擁有復數的管線平臺設計，完全勝任每線程處理單指令的工作。

　　GPU 處理的首要目標是運算以及數據吞吐量，而 CPU 內部晶體管的首要目的是降低處理的延時以及保持管線繁忙，這也決定了 GPU 在密集型計算方面比起 CPU 來更有優勢。