芯片会不会是外星科技呢
有可能的。
2015年俄罗斯的一名渔夫在捕鱼的时候发现了一块依附在石头上的小薄片。经过一系列测试，专家们得出结论：这是一枚2.25 亿 ——2.5亿年前用纳米技术制造的芯片，与我们现在使用的芯片类似。
迄今为止，人类社会总共经历了 300 多年的工业文明时代。第一块电子芯片是在1952 年提出，1958 年开始量产的，所以，这块芯片不管怎么说都不会是我们人类制造的。
那这件事怎么解释呢？也许这是一种远古技术的残留。我们可以这样理解，在人类出现之前，地球上还存在着另一种高级文明。又或者开玩笑的说一句，这块芯片根本不属于地球，也许是外星人遗落在地球的....
虽然关于该芯片的来源有待考量，但是其时间线，确实有点诡异。即使芯片的最初起源不是来自人类，但是后续人类对芯片研究付出的努力，是不可忽略的。
一些大型科技巨头公司如IBM，AMD，英伟达，英特尔，高通，寒武纪等，纷纷投身于芯片领域的研究，并取得了不错的成绩。取得成绩的同时，也为这些芯片制造商的不断竞争提供了机会。说实在的，芯片也是可以主宰现在火热至极的人工智能领域的一个方面。CPU、GPU、TPU、FPGA，这里面你认识几个呢？其实，他们分别是英伟达、谷歌、微软的产品。下面我讲一下这几个的区别吧。
CPU自动驾驶汽车是人工智能的主要目标之一，这也是芯片制造商英特尔寻求押注自己主张的领域。与其在公司内部展开研发，英特尔采用了收购的方式让自己在人工智能领域站稳脚跟。
2016年8月，英特尔收购了神经网络处理器制造商Nervana Systems。同年11月，英特尔宣布了一种新的处理器——神经网络平台，直接将目标定于与人工智能相关的应用程序，比如训练神经网络。
2017年3月，英特尔再次收购了Mobileye，一个基于机器学习的高级驾驶员辅助系统。一次次的收购让这家芯片制造商有望在自动驾驶汽车领域占据一席之地，或许还会将自己定位为专注于机器学习的硬件关键制造商。
GPU曾被认为是CPU的一个补充单元（很多CPU都集成了GPU来完成图片处理）。目前，GPU已经扩展到了人工智能领域的图形和视频中心方面，并进入了深度学习领域。GPU制造商觉得自己掌握了可能处于人工智能革命前沿的技术，并表示，GPU提供了远远优于CPU的性能。
虽然GPU市场只有少数几家公司，但是没有谁会比英伟达更有代表性了。根据Jon Peddie Research的一份报告，2017年第三季度，英伟达的出货量增长率为29.53%，击败了两大竞争对手AMD（7.63%）和英特尔（5.01%）。
当然，这主要是由视频游戏市场驱动的，但Jon Peddie Research的分析师认为，对加密货币采矿相关的应用程序对高端性能的需求也促成了这一结果。这也是为什么GPU提供商会觉得会自己处于人工智能硬件开发的前沿。
也许没有任何一家公司比谷歌更致力于投资Tensors。在过去的一年里，这家搜索巨头发布了一项极其流行的开源框架，用于深度学习的开发，叫做TensorFlow。正如谷歌所描述的，“TensorFlow是一个开源软件库，通过数据流图进行数值计算。灵活的体系结构允许用户在桌面、服务器或移动设备上使用单个API将计算部署到一个或多个CPU或GPU上。”
FPGA虽然英伟达、谷歌、英特尔在某种程度上都是专注于交付AI边缘，即人工智能处理发生设备上，而不是云上。微软宣称其数据中心可以提供高性能、基于云的人工智能——FPGA。微软认为，在可伸缩性和灵活性方面，基于FPGA的解决方案将优于CPU、GPU或TPU所提供的解决方案。
基于处理器的解决方案在某种程度上由于其设计而会被限制于特定的任务，而FPGA则可以提供更简单的升级和性能的改进，主要原因在于它的灵活性和可编程性。
至于FPGA是否为人工智能提供了最佳选择，这一点还有待商榷。微软指出，创建特定于美国ASIC的成本太高而令人望而却步，而另一些人则认为FGPA永远无法完全实现为人工智能设计的芯片性能。