但不得不说的是，很多技术方面的假设很难用“并行化”来解释，人工智能的发展重点依然在于如何让深度学习以更具效率方式完成训练，如此看来，英特尔所谓的优势其实也没那么明显。在此我们不妨拿facebook和谷歌的AI芯片进行为例进行分析。
Facebook定制的计算机服务器“Big Sur”，是与图形处理单元（GPU）在个人电脑中使用的图形卡，用来播放最新的视频游戏与3D图形，谷歌的硬件也是如此。那么，为什么人工智能计算是由图形处理器而不是主流计算机处理器构建的呢？
最初，GPU设计为协同处理器，与计算机的主要中央处理单元（CPU）一起工作，以便完成要求较高的计算图形任务。由于图像中的一个区域和另一个区域之间没有联系或相互依存，作业可以很容易地分解成单独的任务，这些任务可以并行处理，运行效率要快得多。因此很多人认为发挥GPU＋CPU的协同效应才是大势所趋，英特尔在CPU领域的成就还不足以说在未来人工智能芯片领域万事大吉。
技术范儿十足，CPU领先，这是笔者眼中的英特尔，但这话总领先化为偏执，过往辉煌使得企业形成了一种路径依赖，这使得英特尔在人工智能布局看上去很难称得上是尽如人意。
因势而行，有的放矢：以固有优势为核心的产业链延伸才是关键
毫无疑问，英特尔的过往是辉煌的，但通过它近几年的表现来看，似乎已经面临着走下神坛的可能。能否吸取移动互联网时代迷失的教训，成为它能否继续自己辉煌的关键所在。
企业的身后永远不乏替代者，但外因是一方面，通常情况下，最坚固的堡垒往往是从内部瓦解，英特尔发展过程中最需要解决的问题同样也是源自于内部。之前错失苹果，移动互联网的“一步慢，步步慢”，这其实就是其内部问题的一个体现。
除此之外，之前芯片曝出安全问题则是另一个体现，有问题的芯片为什么还会流入市场？这在内部真的没有人能发现吗？想必应该不是，那么问题是什么呢？
当然了，产品问题是一方面，但战略方面的问题最为致命，这些也是我们熟知的“大公司病”症状的集中体现。
据有关资料显示，作为英特尔主要竞争对手之一的英伟达早在2012年就与谷歌展开合作，建造了当时最大的人工神经网络，之后英伟达显卡进入各个深度学习团队开也就成为顺理成章的事，之后也一步步的推进自己的AI芯片业务。而反观此时的英特尔还在移动业务上试图奋力一搏。
在笔者看来，如今英特尔布局相对较晚，已经落了下乘，但是好在之前CPU方面的积累过于雄厚，也不是没有弯道超车的机会。毕竟整个人工智能芯片赛道也才刚刚开始，对于英特尔来说，找准正确的姿势才是抢占未来的关键，在笔者看来这主要体现在以下两个方面：
一方面，做好技术的的折中之术。
行业竞争的关键在于什么呢？在笔者看来这主要取决于八个字：推倒边界，壁垒重组。
物联网的发展涉及的技术来自于多个方面，原先某个领域的领先并不意味着万事大吉。CPU计算力占据部分很小，擅长逻辑控制；GPU计算单元数量众多 但无法单独使用，但从目前来看这两项需要协同发展，除此之外，5G等相关技术同样需要有所涉及。
技术研发本身也是个持续性的进程，试错成本很高，即便在技术上真的处于领先，但在具体实施阶段是否采取也是个未知数，毕竟技术越高，价值越大，投放成本也越高，但具体的效果上却不一定会有多大差距。而就AI芯片的研发方面，赛道感刚刚爆发，英特尔可能入局不算早，但这并不意味着未来就会落后，相比较移动互联网的落地，物联网所需要的要素过于多，因而产业爆发不会一蹴而就。
另一方面，软硬兼施。
技术是一方面，但任何技术都需要在一定的场景作为载体才能发挥真正的价值，这二者属于互补的关系。英特尔一直以来的技术基因自不用说，但硬件方面还是依赖于合作伙伴，然而未来人工智能芯片的赛道上，英特尔面临的竞争对手大都不是等闲之辈，在技术实力上不见得比英特尔弱，可替代性也比较强，这时候，如果有自己的硬件作为支撑无疑会好上很多。
物联网的未来是范围经济而不是规模经济。企业需要通过扩大经营范围，增加业务种类，输出两种或两种以上的服务引起的单位成本的降低，对于英特尔来说，打造技术输出加硬件的组合拳有助于其范围经济的实现。
即便是科技巨头也要懂得因势而行，顺势而为，不然自己很有可能就是下一个柯达。
对于英特尔来说，原先的优势在被自己的竞争对手一点点的蚕食，要想真正构建相对稳健的护城河只能打破自己的边界，毕竟在当前的商业社会企业优势往往建立在多个堡垒上，而不是一个堡垒，英特尔完全可以以GPU优势为核心和基础，对产业链其它细分市场进行渗透。而这或许也才是英特尔未来发展的正确姿态。
