但也有很大
缺点。因为台积电为许多不同公司制造芯片，现在每年制造硅片数量几乎是英特尔三倍，所以台积电有更多时间打磨自己工艺。此外，在英特尔将芯片设计初创公司视为威胁地方，台积电看到
制造服务潜在客户。由于台积电只有
个价值主张——高效制造，其领导层坚持不懈地致力于以更低成本制造更先进芯片。而英特尔领导者不得不将注意力分散在芯片设计和芯片制造之间。他们最终把两者都搞砸。
英特尔第个问题是人工智能。到21世纪第二个十年早期，英特尔核心市场——个人电脑处理器供应，已经停滞不前。如今，除游戏玩家之外，几乎没有人会在新型号发布时兴奋地升级他们电脑，而且大多数人不会太在意电脑使用是哪种类型处理器。英特尔另个主要销售数据中心服务器处理器市场在21世纪第二个十年蓬勃发展。亚马逊云、微软云、谷歌云和其他公司构建庞大数据中心网络，提供使“云”成为可能计算能力。
们在线使用大部分数据在这些公司数据中心中处理，每个数据中心都需要使用英特尔芯片。但在21世纪第二个十年早期，也就是在英特尔完成对数据中心征服之际，处理需求开始发生转变。新趋势是人工智能，但是英特尔主要芯片设计不佳，无法解决这问题。
自20世纪80年代以来，英特尔专门开发种称为CPU芯片，个人电脑中微处理器就是个例子。这些芯片在电脑或数据中心中充当“大脑”。它们是通用计算主要工具，可以打开网络浏览器或运行微软Excel（电子表格软件），或者进行许多不同类型计算，用途广泛，但它们进行计算是个个串行。
奥尔·撒尼尔（OrSharir）、巴拉克·皮莱格（BarakPeleg）和雅夫·索姆（YoavShoham），《NLP模型培训成本：简明概述》（TheCostofTrainingNLPModels:AConciseOverview），AI21实验室，2020年4月。在通用CPU上运行任何人工智能算法都是可能，但人工智能所需计算规模使得CPU使用成本过高。训练个人工智能模型所用芯片及其用电成本可能高达数百万美元。（为训练电脑识别猫，你必须给它看很多猫和狗，让它学会区分这两种动物。你算法需要动物越多，你需要晶体管就越多。）
由于人工智能工作负载通常需要重复运行相同计算，每次使用不同数据，所以找到种方法为人工智能算法定制芯片
请关闭浏览器阅读模式后查看本章节，否则可能部分章节内容会丢失。
