随着人工智能和虚拟现实热潮的到来，无数初创公司开始重新审视自己的定位，对原有的项目或业务进行转型倾斜朝着人工智能、虚拟现实等方向发展。
更多的公司仍在寻找适合自己的商业模式，并克服盈利道路上的障碍。
对于上游芯片厂商来说，虽然趋势在不断变化，但各行业的计算需求并没有发生转变。
相反，需求持续增长。
当黄仁勋创立的NVIDIA公司在2000年发明GPU时，他并没有意识到GPU未来在人工智能和虚拟现实领域会有如此巨大的发展空间。
借助GPU的力量，NVIDIA也正在从一家图形芯片公司转型为一家AI计算公司。
新技术计算需求给芯片企业带来新机遇。
今年之前，在消费市场，GPU主要用于渲染游戏特效。
在商业市场上，也仅限于工业设计、影视制作、超级计算机等领域。
黄仁勋在GTC中国开发者大会上透露，近三年来，行业对GPU计算的需求爆发式增长。
其中，与人工智能密切相关的深度学习计算负载需求增长了16倍。
这个数字远高于摩尔定律。
短短两年内，下载基于GPU的深度神经网络实验室引擎的开发者数量增加了25倍，从2008年的下载次数增加到目前的55000次。
据说，很多使用深度神经网络的开发者都是人工智能研究人员。
黄仁勋表示，现在所有实验室都使用NVIDIA的GPU平台进行AI研究，包括软件公司和互联网软件提供商，以及互联网公司、汽车公司、政府、医疗影像、金融、制造等公司。
。
其中，百度近年来一直在利用GPU进行AI研究。
据称，目前手机上使用语音识别的输入速度已经达到键盘输入的三倍。
这样的成绩，离不开为百度后端提供强大计算能力的硬件设备。
行业对算力的需求集中在芯片的采购上，这一点从上游芯片公司的财报就可以看出。
英特尔最新财报显示，今年第二季度营收1亿美元，同比增长3%，净利润13亿美元，同比下降51%。
根据非公认会计原则，净利润为29亿美元。
比去年同期的31亿美元减少6%。
英特尔净利润下降的主要原因是第二季度财报中计入了约14亿美元的重组费用。
英特尔计划在年中之前裁员 12,000 人，以削减成本并专注于目前需求强劲的服务器芯片和物联网芯片业务。
如果细分的话，第二季度客户计算集团的净营收为73.38亿美元，而去年同期为75.37亿美元；营业利润为19.71亿美元，去年同期为16.03亿美元。
数据中心集团第二季度营收为40.27亿美元，去年同期为38.52亿美元；营业利润为17.65亿美元，去年同期为18.43亿美元。
物联网集团第二季度营收为5.72亿美元，去年同期为5.59亿美元；营业利润为10,000美元，而去年同期为1.45亿美元。
其中，对新兴技术有重要影响的数据中心组和物联网组的运营数据较为突出。
NVIDIA的数据更加夸张。
其第二季度财报显示，该季度营收14.3亿美元，同比增长24%，净利润2.53亿美元，同比增长3%。
同时，为了鼓励创业，NVIDIA推出了Inception计划，让参与成员能够利用NVIDIA的技术和专业知识帮助初创企业成长，并在深度学习和数据科学领域实现突破。
黄仁勋告诉搜狐科技，目前全球有十几家人工智能初创公司。
自创立计划启动以来，已有多家公司与NVIDIA展开合作。
这些公司除了可以获得NVIDIA的技术和专家支持外，还可以获得其全球营销平台的支持，还有投资机会。
高通第三财季净利润也同比大幅增长。
数据显示，该季度营收60.44亿美元，同比增长4%。
净利润14.44亿美元，同比增长22%，增长势头明显。
高通CEO莫伦科普夫表示，高通芯片业务的增长主要受益于各级厂商推出更多新产品，尤其是快速增长的中国OEM厂商。
据了解，高通本季度芯片出货量突破2亿片。
企业对算力的需求有多高？百度首席科学家吴恩达多年来一直从事人工智能研究。
2006年，训练语音识别时，模型中有10000个参数，训练材料是小时。
语音识别的错误率为8%，大约每12个单词就有1个是错误的。
到了这一年，语音识别训练的数据量是以前的两倍，深度学习网络扩大了四倍，错误率降低到了5%。
一年之内，错误率比之前下降了约40%。
这背后，需要强大计算能力的支持。
仅仅将错误率降低3个百分点，就需要20万亿次浮点运算的支持。
在谈到深度学习的计算需求时，吴恩达表示，通过百度多年的经验，单纯利用云计算并不能真正推动深度学习的发展。
利用HPC高性能计算、使用超级计算机是能够进一步推动深度学习算法进步的一个方向。
因此，最先进的深度学习系统已经开始使用高性能算法。
吴恩达表示，百度是全球第一家建立深度学习GPU集群的公司。
通过AI训练，百度将不断将取得的成果应用到实践中。
据了解，百度语音识别、自动驾驶、百度大脑等项目均取得长足进展。
在今年的百度世界大会上，人工智能贯穿了大会的整个过程，成为大会的核心主题。
李彦宏甚至强调，人工智能是百度的核心。
为了满足电商平台的计算需求，京东在两年前与英特尔达成战略合作。
双方将在基础设施、服务器、系统软件、硬件优化、网络系统、云平台等方面共同开发，提升电商平台的技术水平。
近日，京东与NVIDIA也宣布达成战略合作。
双方将加强人工智能领域全面合作，加速智能电商时代的到来。
据京东首席技术顾问翁智介绍，京东电商平台每天上传的图片数量超过1万张。
图像的筛选需要优秀的算法和计算资源的支持。
现在机器学习已经渗透到图像识别、大数据处理、个性化推荐等各个方面。
京东发布VR、AR战略后，更离不开GPU加速计算的支持。
据了解，目前京东的机器学习大部分基于GPU计算。
对于阿里巴巴来说，云计算和大数据已经成为其战略重点之一。
阿里巴巴甚至希望其平台能够完成中国70%的互联网流量的相关计算任务。
阿里巴巴技术支持部系统研发总监高善元表示，阿里巴巴的业务增长速度远远超过摩尔定律。
数据显示，每年“双11”阿里巴巴平台交易额达到1亿元，创建订单峰值达到每秒14万笔，支付宝支付峰值达到每秒8.59万笔。
这些数字的背后，需要一个非常强大的计算平台来支撑。
据了解，阿里云计算平台已服务全球数万家企业，在全球拥有30多个数据中心。
为了满足计算性能的需求，阿里巴巴甚至与Intel合作定义了一个评估CPU性能指标的系统，并将其命名为“AliBench”。
这个系统的背后，融合了电商、金融平台、物流、娱乐、云计算、大数据等一系列需求，综合评价一个指标，评价一个CPU是否满足阿里巴巴的要求。
据搜狐科技了解，为了满足阿里巴巴的计算需求，阿里巴巴与英特尔合作专门定制了至强CPU，以在性能和功耗方面实现更好的提升。
英伟达会彻底改变英特尔吗？目前流行的人工智能、VR、AR等技术都离不开GPU的加速计算支持。
从NVIDIA的数据来看，GPU在这些方面的效率远远超过了CPU。
此前，NVIDIA推出了DGX-1超级计算机。
该系统专为深度学习而设计。
其吞吐量相当于CPU服务器及其相应的网络、电缆和机架的吞吐量。
它可以将深度学习训练速度加快 75%。
倍，CPU性能提升56倍。
本月早些时候，IBM 发布了一款新的 Power LC 服务器。
该产品采用NVIDIA技术和POWER8平台，专注于加速人工智能、深度学习和高级分析应用。
IBM声称该处理器可以实现比其他平台高五倍的数据处理速度。
与最新的x86服务器相比，每花一美元就能实现比x86服务器高80%的性能。
从服务器性能和企业对GPU加速计算的需求来看，CPU的处理劣势似乎很明显。
然而，黄仁勋却不这么认为。
据搜狐科技了解，黄仁勋多年来在不同场合多次强调GPU和CPU的关系。
这两款产品并不是死活的竞争对手，但各有千秋。
黄仁勋告诉搜狐科技，CPU和GPU在工作过程中应该相互配合，而不是分开。
这两者是非常不同的处理器，并且各自擅长的事情也不同。
CPU通常是几个集成在一起的高性能处理器，而GPU可能是数千个非常小的处理器，具有相对较低的功耗和非常高的能效。
两者的内存架构和网络连接架构不同，编程模式也明显不同，因此需要相互配合。
黄仁勋还强调，很多应用不需要GPU的存在，只能由CPU来完成。
据说GPU在两个领域比较厉害，一是计算图形和虚拟现实，二是人工智能，尤其是深度学习。
黄仁勋表示，NVIDIA的策略不是取代CPU，而是GPU和CPU协同工作，让CPU和GPU各自完成自己擅长的功能。
此外，NVIDIA的市场重点不是传统计算，不是手机和PC，而是游戏平台、自动驾驶汽车、AI、数据中心等领域。
所以，NVIDIA还是需要和CPU进行合作。
英特尔中国研究院智能互联网创新中心主任兼首席研究员张益民告诉搜狐科技，GPU和CPU取决于应用需求和设备功耗。
一般PC等客户端可以直接使用CPU来完成计算。
据说GPU适合大量数据的并行计算，而CPU适合通用计算，人工智能计算包括这两种计算方式。
相对而言，CPU在进行计算时更加灵活。
如果想要加速AI并保持良好的能效比，CPU加专用加速器可能更合适。
除了通用CPU之外，英特尔最近也开始布局FPGA，并收购了Altera，最近还收购了AI初创公司Nervana。
这些产品都提供专用加速器功能。
英特尔希望从一家 PC 公司转型为一家推动云计算和数十亿智能互联计算设备的公司。
数据显示，目前出货的所有服务器中有7%可以做机器学习和深度学习，其中95%是基于Intel架构的产品。
据英特尔销售与营销事业部副总裁夏乐贝介绍，英特尔在中国市场发布了全新的Xeon Phi处理器。
Altera还将其解决方案集成到英特尔的产品线中。
通过集成FPGA技术，可以在人工智能方面实现更强大的处理能力。
对于英特尔与英伟达在高性能方面的竞争，夏乐贝告诉搜狐科技，竞争对于任何行业来说都是好事，因为竞争会带来下一波创新。
人工智能无疑是下一波计算创新浪潮，而中国在这一浪潮中扮演着非常重要的角色。
英特尔一直秉承开放的态度，构建了广泛的创新平台并向所有开发者开放。
因此，Intel采取的方法有所不同。
英特尔不仅关注深度学习，还关注人工智能整个行业的发展，因此既包括深度学习、机器学习，也包括与人工智能相关的各个方面。
英特尔希望将人工智能整体技术发展带来的效益转化为更好、更优化的商业成果，从而真正将人工智能的好处带给终端消费者。
英特尔中国研究院院长宋继强表示，就机器智能的发展而言，会经历从网络化、智能化到自主化三个过程。
英特尔构建了从云端到最终客户端设备不同层次的良性循环网络。
硬件支撑其智能化演进。
在云端，有Xeon Phi和N??ervana技术；中间层有Xeon和FPGA，前端有带有图形加速的Core级产品，可以做深度学习和智能加速。
还有小型化的产品，比如新发布的Euclid，它是完全集成了Atom级处理器和Real Sense摄像头的模块。
非常适合无人机、小型机器人直接使用，也可用于小型人工智能。
智能计算。
此前发布的居里模块还带有神经元，可以直接对人体动作进行分类。
因此，在人工智能领域，英特尔有完整的硬件产品来支持。
同时，英特尔在存储、5G、安全等与人工智能密切相关的领域也拥有完整的解决方案。
当人工智能、虚拟现实热潮到来时，上游厂商依然充满竞争。
不变的是各种技术的计算需求的增长。
与此同时，云计算、人工智能、VR等新技术也让初创公司有了更多的发展机会，但这些公司处于金字塔的中下端。