AI 芯片分类

AI芯片，面向人工智能领域的芯片均被称为 AI 芯片，专门用于处理人工智能应用中大量计算任务的模块，包括GPU、FPGA、ASIC 等AI加速芯片，还包括类脑芯片、可重构通用 AI 芯片等比较前沿性的研究。
更狭义的讲，AI芯片是针对人工智能算法做加速的芯片。AI芯片，被称为人工智能的基石。“无芯片不AI”。更强加速能力的AI芯片成为推动人工智能发展的核心要素之一，其快速发展对人工智能技术的快速演进和行业发展具有强大的助推作用。

产品类别	简要说明
GPU	图形处理器(Graphics Processing Unit)，是一种专门用于处理图像和图形相关运算的微处理器,具有高效的并行计算能力，且相对功耗较低，用于图像处理的 GPU 芯片最先引入深度学习。
FPGA	现场可编程门阵列（Field Programmable Gate Array），是一种集成大量基本门电路及存储器的芯片，允许设计人员根据自己的需求重新编程硬件功能。优点还包括高性能、灵活性、可靠性以及低功耗。
ASIC	专用集成电路（Application Specific Integrated Circuit），是一种专门为特定应用设计的集成电路。在面积、能耗、集成度和成本等方面具有明显的优势。缺点是开发成本较高。
类脑芯片	一种受到人脑结构和工作方式启发的芯片，旨在模拟大脑的高效能、低功耗和学习能力。

GPU是AI芯片的领导者，且在短期内仍将延续这一趋势，FPGA增长速度较快。
目前 GPU 是市场上用于 AI 计算最成熟应用最广泛的通用型芯片，在算法技术和应用层次尚浅时期，GPU 由于其强大的计算能力、较低的研发成本和通用性将继续占领 AI 芯片的主要市场份额。
长期来看，三大技术路线会长期并存。GPU 因为高性能计算能力较强，在设计方面通用性强，可以高效完成不同调用需求，适合主攻高级复杂算法和通用型人工智能平台；FPGA 受益于独一无二的灵活优势，适用于变化多的垂直细分行业，开发周期远小于设计一款通用芯片；ASIC 芯片则是全定制芯片，长远看适用于人工智能，因为算法复杂度越强，越需要一套专用的芯片架构与之对应。
未来，当人工智能技术、平台和终端的发展达到足够成熟度，人工智能应用的普及程使得专用芯片能够达到量产水平，此时 ASIC 芯片的发展将更上一层楼。