原因主要有三点，Habana方案在成本、ROCE支持和统一式架构这三点上面有较大的优势，从而让Intel决定放弃Nervana产品线的未来规划，而将AI硬件的研发重点转移到新收购的Habana Labs中去。

首先是成本因素，Nervana NNP-T搭配了HBM2内存，众所周知，HBM的价格非常高，虽然它提供的带宽也高，但是会让芯片的总体成本上升，甚至会增加芯片的制造难度（HBM2要堆叠封装到芯片上）。而Habana Labs的Gaudi芯片则没有使用HBM作为内存，它在架构层面上具有相当的可扩展性，从而解决了其较小的存储容量的局限性，并且它可扩展性强的特性让它可以很好地应用DNN模型在规模和复杂度上面的变化。

另外Nervana虽然拥有芯片内的高速总线，在片内提供着低延迟的高速连接，不过它并不支持业界标准的ROCE（基于融合以太网的RDMA），后者可以大幅简化并行计算时的编程难度，并且可以提高性能。

第三点是Habana的统一架构优势，Nervana的训练和推理芯片分别基于两种完全不同的架构，甚至它们的制程工艺都是不一样的，NNP-T使用的是台积电的工艺，而NNP-I使用的是Intel自家的10nm工艺，而Habana在推理和训练芯片上使用的架构是统一的，相对来说它更有优势。

福布斯认为Intel在AI硬件大战的早期阶段进行“换马”是有利于今后的发展的，不过之后Intel如何将Habana产品整合进自己的软件堆栈中也是个未知数，还有很多挑战等着他们。

Nervana这家成立于2014年、专注于AI业务的公司在2016年8月9日被Intel以4.08亿美元的价格收购了，之后他们一直在为Intel开发深度学习方面的加速芯片，主要有NNP-T这款训练用途的大ASIC和NNP-I这款推理用途的小ASIC。从官方声明来看，确定已经被取消的是NNP-T这款较大的用于神经网络训练的ASIC，而NNP-I还将存活一段时间：

……作为本次（路线图）更新的一部分，我们计划兑现当前在NNP-I系列推理加速器（代号“Spring Hill”）上面的承诺，并停止NNP-T（代号“Spring Crest”）的开发。

Intel突然宣布砍掉Nervana产品线这个决定可能与Intel最近收购的Habana Labs有关，Nervana和Habana Labs都是研发神经网络处理器的公司，在业务范围上实际是有重叠的，Intel没有必要保留两条拥有类似目标客户的产品线，砍掉一条，将开发资源集中到另一条产品线上去才是较为合理的选择，所以砍掉Nervana产品线这个举措也算不上是太意外的事情。

根据Wikichip的分析，Nervana的架构更优越一些，但Intel在声明中称Habana的统一式架构更有“战略优势”（The Habana product line offers the strong, strategic advantage of a unified, highly-programmable architecture for both inference and training.）。事实确实如此，NNP-I和NNP-T采用了两种完全不同的架构，前者非常像Intel自家的Ice Lake架构，而后者则用的是完全不同的神经网络架构。切换到Habana的统一式架构上对于未来的产品开发应该是具有相当的好处的。

在IEEE旗下的CVPR（计算机视觉与模式识别）会议中，三星引入了一篇题为《通过优化量化间隔与任务损失进行量化深度网络》的论文，旨在阐述设备上的AI轻量级算法。新算法比现有算法轻量4倍，速度快8倍，从此前的解决方案中得到了显著改进，可作为AI计算的低功耗、高速解决方案的关键。

这也是三星高级技术研究院（SAIT）的成果之一，其保持准确数据识别的情况下要比现有方案更快更节能。三星通过研究深度学习数据的计算方式，除了加法及乘法外，允许引入计算“和”以及“或”，使得将该算法引入到NPU中时，保持了相同结果的同时，还减少了很多的晶体管，从而达到低功耗的目的。

三星想要将该技术引入设备上的AI处理，与云计算中的AI不同，设备上的AI处理直接从设备本身计算数据，可以为虚拟现实、自动驾驶等提供快速稳定的性能。如用于设备认证的个人生物信息也可以更安全的保存在移动设备中。

三星已经在去年推出的Exynos 9（9820）SoC中采用了三星专属的NPU，所以三星早已开始布局人工智能领域，而三星也表示未来还将其研究的算法应用在如传感器等更多产品中，增强和扩展其在AI领域的应用。

高通目前的骁龙处理器主要使用三星的14nm及10nm工艺，前不久发布的骁龙675处理器则是三星11nm工艺，但在下一代制程工艺上，高通也要转向台积电了，而且新一代处理器命名体系也会有重大变化，旗舰级产品会从目前的骁龙800系变成骁龙1000系，其中可以确定的就有智能手机用的骁龙8150，目前习惯的说法是骁龙855，而另一款则是面向Windows笔记本的骁龙8180处理器，频率高达3GHz，TDP功耗也高达15W。

日前供应链消息称骁龙8150处理器已经完成流片，这意味着芯片已经完成大部分工作，今年Q4季度就会正式量产，不过相关产品上市最快也要到明年Q1季度。虽然没有明确的发布时间，不过明年1月份的CES展会是个好时机，高通之前就在CES展会上发布过骁龙处理器。

技术方面，骁龙8150处理器除了升级7nm工艺之外，也会加入新技术支持，其中一个就是QC 5.0快充技术，爆料称QC 5.0的充电功率将从27W提升到32W，从两路电路变成三路电路，提高充电效率同时控制好温度。

此外，骁龙8150处理器还会集成专用的NPU单元，提高AI人工智能、深度学习等方面的性能，在这方面华为、苹果的处理器都已经加入了NPU单元。

虽然此前Google表示将在Android 8.1开发者预览版中启用Pixel Visual Core自研芯片，并为开发者提供API支持，但在第一版的Android 8.1 Preview放出后，却发生系统文件刷入不完全，导致芯片无法启用的情况，所以随后Google确认要在下一个版本才为大家提供。

现在Google最新放出的“Final preview”版Android 8.1，这个版本终于兑现了Google的承诺，新系统打开了Pixel 2/2 XL上这块隐藏芯片，APP有用到自带Camera API的都可以进行HDR+拍摄，另外新系统还支持Neural Networks API进行APP开发。

Pixel Visual Core由Google与Intel合作设计开发，主要用于图像处理和机器学习，这块芯片由8个IPU（每个包含512个ALU）+1个Cortex-A53核心组成，最大可提供3TFLOPS浮点运算能力，相比华为麒麟970上寒武纪（1.9TFLOPS），还有苹果新iPhone上ISP（0.6TFLOPS）处理能力都要更强。

虽然这块NPU在移动设备上有不俗的AI运算能力，但目前主要还是用于拍照时进行HDR处理，从Google放出的样张来看，效果还是挺惊艳的。现在第三方APP开发者也可以用到这些额外能力的话，有望为Pixel 2手机带来更多更好的拍照APP。

　　NPU能应用于人工视觉传感器，机器控制，甚至是脑部植入，它可以平行处理大量信息，效率极高，而并不像连续处理信息的冯·诺依曼电脑结构。

　　Matt Grob还表示高通正在研发相关的软件工具去创造新的芯片，现在已经有套件可以用于商业设计和开发。据称通过NPU这种处理芯片可以创造出更高效和强大的智能手机，能学习用户所做的事情并进行调整。处理芯片的原型已经由高通及合作公司制作成功，并获得了美国国防高级研究计划局（DARPA）的款项资助。

搭载了高通NPU的机器人

　　相关人员展示了搭载该芯片的四轮机器人，经过训练可以以简单的“good robot”和“bad robot”命令指示它要去的地方和哪些地方不要去，而不须以复杂的代码去向它标示行走路径。

　　神经式计算技术的研发已经开展数年了，IBM和英特尔也打算在芯片上采用这样的技术。