GPU原本需求大部分都來源于PC端大型游戲對圖形處理的需求，現由于科技發展漸漸在移動端也慢慢崛起。當下芯片的技術架構發展分為四個類型。
1、通用類芯片 代表如GPU、FPGA
GPU：Graphics Processing Unit圖形處理器
GPU原本需求大部分都來源于PC端大型游戲對圖形處理的需求，現由于科技發展漸漸在移動端也慢慢崛起。
而做GPU的大佬正是英偉達NVIDIA，從游戲、數據中心到人工智能，市場對英偉達芯片的需求越來越大，在游戲業中甚至增加了對加密貨幣挖礦者用戶的服務，等過去三年時間內，英偉達依靠自身在 GPU 方面的技術積累，搭上了人工智能發展的快車道，其股價也在三年內翻了10 倍。
與股價上漲發生的，還有這家公司的轉型，英偉達也正在經歷從一個圖形芯片公司到AI平臺搭建者的轉型，聚焦于底層計算，致力于搭建高效平臺的戰略，使英偉達在當下的技術革命中，占得了一席之地。除了英偉達，還有AMD，ARM家的Mali，Imagination的PowerVR，Qualcomm的Adreno等
FPGA：Field-Programmable Gate Array現場可編程門陣列
它在PAL、GAL、CPLD等可編程器件的基礎上進一步發展的產物。它是作為專用集成電路(ASIC)領域中的一種半定制電路而出現的，既解決了定制電路的不足，又克服了原有可編程器件門電路數有限的缺點。
全球知名的FPGA生產廠商有：Altera， Xilinx，Actel ， Lattice，Atmel。其中Altera作為世界老牌可編程邏輯器件的廠家，是可編程邏輯器件的發明者，開發軟件MAX+PLUSII和QuartusII。Xilinx是FPGA的發明者，擁有世界一半以上的市場，提供90%的高端65nmFPGA產品，開發軟件為ISE，其產品主要用于軍用和宇航。
Altera和Xilinx主要生產一般用途FPGA，其主要產品采用RAM工藝。Actel主要提供非易失性FPGA，產品主要基于反熔絲工藝和FLASH工藝。
2、基于FPGA的半定制化芯片 代表如DPU、XPU等
DPU：Deep-Learning Processing Unit深度學習處理器
Deephi Tech深鑒，一家位于北京的清華背景start-up，深鑒將其開發的基于FPGA的神經網絡處理器稱為DPU。深鑒已經公開發布了兩款DPU：亞里士多德架構和笛卡爾架構，分別針對CNN以及DNN/RNN。
百度也發布了XPU，這是一款256核、基于FPGA的云計算加速芯片，合作伙伴是賽思靈(Xilinx)。XPU的目標是在性能和效率之間實現平衡，并處理多樣化的計算任務。XPU的256個內核，集成了一個共享內存用于數據同步，所有內核都運行在600MHz
3、全定制化ASIC芯片 代表如TPU、Cambricon-1A等
ASIC：Application Specific Integrated Circuit
ASIC在集成電路界被認為是一種為專門目的而設計的集成電路。ASIC芯片技術發展迅速，目前ASIC芯片間的轉發性能通常可達到1Gbs甚至更高，于是給交換矩陣提供了極好的物質基礎。
TPU：Tensor Processing Unit Google 的張量處理器
Google在2017年5月的開發者大會上正是公布了TPU2，又稱Cloud TPU.相比于TPU1，TPU2既可以勇于training，又可以用于inferrence.TPU1實用了脈動陣列的流處理結構。
4、類腦計算芯片 代表如IBM TrueNorth、westwell、高通Zeroth等
類腦計算：是指借鑒大腦中進行信息處理的基本規律，在硬件實現與軟件算法等多個層面，對于現有的計算體系與系統做出本質的變革，從而實現在計算能耗、計算能力與計算效率等諸多方面的大幅改進
TrueNorth：IBM 2014年發布的仿人腦芯片，在這個只有郵票大小的硅片上，集成了100萬個“神經元”，256個“突觸”，4096個并行分布的神經內核，用了54億個晶體管，然而功耗卻只有70mW。
WestWell Lab：西井科技是一家專注研究Neuromorphic Engineering神經形態工程的類腦強人工智能商業公司，即模擬人腦神經元工作原理而制造出的芯片，它既具備人腦的學習能力，又具備強大的特定運算能力，僅需一塊郵票大小的芯片，就能模仿人類大腦在短時間內處理海量的感官信息。
本人認為，以上4種技術架構的類型隨著科技的發展不斷最終將殊途同歸，區別在于不同時期不同需求，這也是各個AI芯片創業公司為什么要進行卡位戰的原因。但無論怎么發展，技術永遠都是第一要義。
1、通用類芯片 代表如GPU、FPGA
GPU：Graphics Processing Unit圖形處理器
GPU原本需求大部分都來源于PC端大型游戲對圖形處理的需求，現由于科技發展漸漸在移動端也慢慢崛起。
而做GPU的大佬正是英偉達NVIDIA，從游戲、數據中心到人工智能，市場對英偉達芯片的需求越來越大，在游戲業中甚至增加了對加密貨幣挖礦者用戶的服務，等過去三年時間內，英偉達依靠自身在 GPU 方面的技術積累，搭上了人工智能發展的快車道，其股價也在三年內翻了10 倍。
與股價上漲發生的，還有這家公司的轉型，英偉達也正在經歷從一個圖形芯片公司到AI平臺搭建者的轉型，聚焦于底層計算，致力于搭建高效平臺的戰略，使英偉達在當下的技術革命中，占得了一席之地。除了英偉達，還有AMD，ARM家的Mali，Imagination的PowerVR，Qualcomm的Adreno等
FPGA：Field-Programmable Gate Array現場可編程門陣列
它在PAL、GAL、CPLD等可編程器件的基礎上進一步發展的產物。它是作為專用集成電路(ASIC)領域中的一種半定制電路而出現的，既解決了定制電路的不足，又克服了原有可編程器件門電路數有限的缺點。
全球知名的FPGA生產廠商有：Altera， Xilinx，Actel ， Lattice，Atmel。其中Altera作為世界老牌可編程邏輯器件的廠家，是可編程邏輯器件的發明者，開發軟件MAX+PLUSII和QuartusII。Xilinx是FPGA的發明者，擁有世界一半以上的市場，提供90%的高端65nmFPGA產品，開發軟件為ISE，其產品主要用于軍用和宇航。
Altera和Xilinx主要生產一般用途FPGA，其主要產品采用RAM工藝。Actel主要提供非易失性FPGA，產品主要基于反熔絲工藝和FLASH工藝。
2、基于FPGA的半定制化芯片 代表如DPU、XPU等
DPU：Deep-Learning Processing Unit深度學習處理器
Deephi Tech深鑒，一家位于北京的清華背景start-up，深鑒將其開發的基于FPGA的神經網絡處理器稱為DPU。深鑒已經公開發布了兩款DPU：亞里士多德架構和笛卡爾架構，分別針對CNN以及DNN/RNN。
百度也發布了XPU，這是一款256核、基于FPGA的云計算加速芯片，合作伙伴是賽思靈(Xilinx)。XPU的目標是在性能和效率之間實現平衡，并處理多樣化的計算任務。XPU的256個內核，集成了一個共享內存用于數據同步，所有內核都運行在600MHz
3、全定制化ASIC芯片 代表如TPU、Cambricon-1A等
ASIC：Application Specific Integrated Circuit
ASIC在集成電路界被認為是一種為專門目的而設計的集成電路。ASIC芯片技術發展迅速，目前ASIC芯片間的轉發性能通常可達到1Gbs甚至更高，于是給交換矩陣提供了極好的物質基礎。
TPU：Tensor Processing Unit Google 的張量處理器
Google在2017年5月的開發者大會上正是公布了TPU2，又稱Cloud TPU.相比于TPU1，TPU2既可以勇于training，又可以用于inferrence.TPU1實用了脈動陣列的流處理結構。
4、類腦計算芯片 代表如IBM TrueNorth、westwell、高通Zeroth等
類腦計算：是指借鑒大腦中進行信息處理的基本規律，在硬件實現與軟件算法等多個層面，對于現有的計算體系與系統做出本質的變革，從而實現在計算能耗、計算能力與計算效率等諸多方面的大幅改進
TrueNorth：IBM 2014年發布的仿人腦芯片，在這個只有郵票大小的硅片上，集成了100萬個“神經元”，256個“突觸”，4096個并行分布的神經內核，用了54億個晶體管，然而功耗卻只有70mW。
WestWell Lab：西井科技是一家專注研究Neuromorphic Engineering神經形態工程的類腦強人工智能商業公司，即模擬人腦神經元工作原理而制造出的芯片，它既具備人腦的學習能力，又具備強大的特定運算能力，僅需一塊郵票大小的芯片，就能模仿人類大腦在短時間內處理海量的感官信息。
本人認為，以上4種技術架構的類型隨著科技的發展不斷最終將殊途同歸，區別在于不同時期不同需求，這也是各個AI芯片創業公司為什么要進行卡位戰的原因。但無論怎么發展，技術永遠都是第一要義。
17621123178