對于AI芯片可以理解為面向 AI應用的處理器芯片，它屬于AI和處理器芯片兩大領域的結合。當前隨著人工智能的蓬勃發展，AI芯片已經成為了炙手可熱的投資領域，除了Intel、Nvidia、ARM這些老牌的芯片廠商外，Google、Facebook、微軟這樣的互聯網公司也進軍AI芯片市場。

AI應用中通常包括基于深度神經網絡的各類算法，以及圖像識別、視頻檢索、語音識別、聲紋檢測、搜索引擎優化、自動駕駛等任務，其中關鍵的能力是“訓練”和“推理”，而“訓練”是從海量的數據中完成特征的學習，這需要極高的計算性能和較高的精度。為了支持AI的計算性能和精度，理想的AI芯片需要具備高度并行的處理能力，支持各種數據類型的浮點計算，以及用于存儲海量數據的存儲器帶寬。

目前適合AI的處理器有GPU（graphics processing unit）、FPGA（field-programmable gate array）、DSP（digital signal processing）和ASIC（application specific integrated circuits）等，業界各大廠商他們結合自身的特點推出了不同的方案，目前主要有兩種設計思路：利用已有的GPU、FPGA、DSP、多核處理器等芯片實現；設計專用的ASIC芯片實現。這也成為了爭論的焦點——哪個AI芯片方案是佳的選擇？

GPU是圖形處理器，它的核數遠超過CPU，由多核組成的大規模并行計算架構專用于同時處理多重任務。深度神經網絡的訓練過程中計算量極大，而且數據和運算是高度并行的，GPU具備進行海量數據并行運算的能力并且為浮點矢量運算配備了大量計算資源，與深度學習的需求不謀而合，因此先被引入運行深度學習算法，成為高性能計算領域的主力芯片之一。Intel雖然也有GPU，但主要為集成顯卡使用。Nvidia一直在獨立顯卡領域具有優勢，因此Nvidia的GPU是目前應用廣的通用AI硬件計算平臺，在人工智能領域無疑已占據足夠的優勢。

Nvidia依靠自己在AI領域建立的優勢，開發出CUDA平臺，提供了cuDNN、NCCL、cuBLAS等諸多SDK為合作伙伴提供開發工具，逐步讓眾多合作伙伴熟悉這種生態，進一步鞏固它在AI領域的領導地位。Nvidia的芯片應用十分普遍，現在所有的AI軟件庫都支持使用CUDA加速，包括谷歌的Tensorflow，Facebook的Caffe，亞馬遜的MXNet等。當然Nvidia的GPU在復雜程序邏輯控制上仍然存在劣勢，需要使用高性能CPU配合來構成完整的AI系統。為了彌補自己在CPU方面的弱勢，在2019年宣布其用于超級計算機的加速平臺將對ARM架構CPU支持，計劃利用其芯片與使用ARM架構的CPU協作打造應用人工智能的超級計算機。

ASIC是一種為專用目的而定制設計的芯片，在大規模量產的情況下相比于FPGA性能更強、體積更小、功耗更低、成本更低、可靠性更髙等優點。近年來越來越多的公司開始采用ASIC芯片進行深度學習算法加速，其中為突出的是 Google為機器學習定制的專用處理器芯片TPU（Tensor Processor Unit），它支持256×256個矩陣乘法單元、非線性神經元計算單元等模塊，專為Google的深度學習框架TensorFlow而設計。

TPU受到業界的關注是從Google的AlphaGo大顯神威后開始，新一代 AlphaGo Zero已經將CPU結合GPU搭建方案升級為了TPU。在2018年Google I/O開發者大會上正式發布了TPU3.0，其性能宣稱比去年的TUP2.0提升8倍之多，達到每秒1000萬億次浮點計算，比同時期的GPU或CPU平均提速15~30倍，能效比提升30~80倍。

FPGA其實也是一種定制芯片，在靈活度方面，它介于CPU、GPU等通用處理器和專用集成電路ASIC之間，它不像專用集成電路ASIC那樣由芯片廠商固化編程，而是在硬件固定的前提下，允許設計者靈活使用軟件進行編程，因此它的開發周期比ASIC短，不過相對于批量出貨ASIC，單個FPGA的成本會更高。在性能方面，FPGA與 GPU相比，具備更強的計算能力和更低的功耗。以FPGA方案為代表的廠商主要有Intel和Xilinx。

Intel已經錯失了移動設備的崛起，不想再錯過對AI芯片領域的布局。為了增強在AI芯片領域的競爭力,2015年12月Intel斥資167億美元收購了Altera公司，這是Intel有史以來金額大的一次收購，意味著Intel希望實現CPU和FPGA深層次結合來布局AI芯片市場。2017年Intel又收購Mobileye，希望通過整合AI算法以獲得關鍵的優勢。2018年，Intel宣布收購芯片制造商eASIC，提高FPGA速度，降低FPGA成本和能耗需求。Intel通過霸氣的購買將自己提升到AI芯片“玩家”的前列。當前Intel有兩套FPGA的戰略：打造CPU+FPGA混合器件，讓FPGA與處理器協同工作；基于Arria FPGA或Stratix FPGA打造可編程加速卡。微軟在2018年的Build大會上公布的Project Brainwave深度學習加速平臺，就是基于Intel Arria FPGA和Stratix FPGA芯片所打造的。

Xilinx是FPGA芯片技術的開創者，從2011年起，Xilinx提出全編程的理念，作為FPGA行業長期的霸主，Xilinx擁有超過2萬家下游客戶，其中亞馬遜AWS、以及的BAT云服務巨頭都推出了專門的云端 FPGA 實例來支持 AI 應用。2018年Xilinx重磅推出全新一代AI芯片架構ACAP，重磅推出全新一代AI芯片架構ACAP，以及采用ACAP架構的首款代號為Everest的AI芯片，將正面 “宣戰”Intel和Nvidia。同年Xilinx收購國內三大AI芯片獨角獸之一的北京深鑒科技有限公司，該公司主攻終端人工智能，所采用基于FPGA來設計深度學習的加速器架構，可以靈活擴展用于服務器端和嵌入式端。

另外DSP芯片主要用于處理視覺系統如圖像、視頻等方面的任務，在自動駕駛、安防監控、無人機和移動終端等領域為常見。眾核處理器采用將多個處理核心整合在一起的處理器架構，主要面向高性能計算領域，作為CPU的協處理器存在，比如IBM CELL、Kalray MPPA和Intel Xeon Phi都是典型的眾核處理器。

AI智能芯片未來的發展勢不可擋，從芯片的歷史來看，目前AI智能芯片仍然處于初期階段，未來在架構和設計理念上仍然有巨大的突破空間，這也提供給了我國“彎道超車”的機會，在國家“2025智造”的指引下，國內的科技巨頭阿里巴巴、騰訊、百度和華為都參與進來，在全力發展自己AI智能芯片以突破“重圍”，深圳市銀聯寶電子陪同大家一起拭目以待。