到目前為止，英偉達壹直是用於人工智能加速的GPU芯片的主要提供商。此外，芯片制造商將徹底釋放專為ML設計的芯片而不是繼續優化最初用於圖形處理的GPU。 NVIDIA正在發售Tesla V100，它除了GPU內核外還集成了專為戴爾設計的Tensor內核。 谷歌而去年宣布了其Tensor處理單元，以為其主要服務提供支持：谷歌搜索，街景，照片和谷歌翻譯。 最終，英特爾本月宣布了其Nervana神經處理器，該處理器還與臉書網合作設計，以優化神經網絡計算。
英特爾購買了Nervana以及Mobileye，Movidius和Altera來構建加速器產品組合。在2016年英特爾收購之前討論的原始Nervana Engine部分應該在去年發布，但到目前為止，我們所聽到的只是。 在NVIDIA讓Volta的TensorCores令所有人感到驚訝之後，該公司可能決定重新設計，這使性能比英偉達的上壹代GPU提高了六倍。 Nervana應該是帕斯卡的10倍，所以可以看到為什麽TensorCores可能會使Intel暫停。 如果V100 Volta在關鍵AI運算中為6帕斯卡，那並不能使“ 10倍”的聲音聽起來令人印象深刻。特別是因為Nervana的性能本應包括軟件調整。話雖如此，英偉達還通過軟件優化工作定期提高應用程序性能。 如果事實上，如果英特爾重回制圖版，它最早可以在量產中加入Nervana的部分是在2018年底正是英偉達及時宣布Volta之後的產品.
上面的討論都是關於訓練深度神經網絡或DNN的，這是英偉達在AI方面獲得了很多成功的地方。 但是， 英特爾指出，通過將良好的軟件設計和它們的標準英特爾至強數據中心處理器配對，可以在推理工作中實現出色的性能。該公司聲稱在推理處理領域占據80％以上的市場份額 。在最近的壹次活動中，英特爾的醫療保健客戶還談到了在同壹英特爾平臺上運行培訓和推理處理的優勢。
此外，微軟壹直在大力宣傳其在英特爾Altera FPGA方面的成功，可以對其進行連續編程以加速各種苛刻的應用。 Xilinx在這裏也取得了進展，使用了Amazon AWS Market Place和F1加速實例來簡化向FPGA應用程序的加速。 對於某些數據類型和延遲要求，例如無人機和 汽車 中的數據類型和延遲要求，將需要專用的低功耗加速器。
盡管AMD在準備與NVIDIA競爭機器學習工作負載的軟件堆棧方面做得很好，但就峰值性能而言芯片落後於NVIDIA Volta。 AMD可能在今年或明年晚些時候趕上Volta，也許是通過使用重新設計的7nm GPU部件實現的。盡管如此，AMD仍將繼續努力，以開發市場和生態系統，使其能夠與NVIDIA競爭。 快速芯片是必需的，但不足以確保成功。
通過對GPU驅動的創新的狂熱調查，人們可以預期在接下來的幾個月中處理能力將提高2到5倍，第二波機器學習突破必將出現，從而使我們能夠解決全新的問題 挑戰。