那么什么是人工智能芯片?本文将重点先容用于不同运用的不同种类的人工智能芯片。

1、通用芯片（GPU）

GPU是单指令、多数据处理，采取数量浩瀚的打算单元和超长的流水线，紧张处理图像领域的运算加速。

GPU是不能单独利用的，它只是处理大数据打算时的好手，必须由CPU进行调用，下达指令才能事情。

但CPU可单独浸染，处理繁芜的逻辑运算和不同的数据类型，但当须要处理大数据打算时，则可调用GPU进行并行打算。

2、半定制化芯片（FPGA）

FPGA适用于多指令，单数据流的剖析，与GPU相反，因此常用于预测阶段，如云端。
FPGA是用硬件实现软件算法,因此在实现繁芜算法方面有一定的难度，缺陷是价格比较高。
与 GPU 不同，FPGA 同时拥有硬件流水线并行和数据并行处理能力,适用于以硬件流水线办法处理一条数据，且整数运算性能更高，因此常用于深度学习算法中的推断阶段。
不过FPGA 通过硬件的配置实现软件算法，因此在实现繁芜算法方面有一定的难度。
将FPGA 和 CPU 比拟可以创造两个特点,一是 FPGA 没有内存和掌握所带来的存储和读取部 分速率更快,二是 FPGA 没有读取指令操作,以是功耗更低。
劣势是价格比较高、编程繁芜、整体运算能力不是很高。
目前海内的AI 芯片公司如深鉴科技就供应基于 FPGA 的办理方案。

3、全定制化芯片（ASIC）

ASIC是为实现特定场景运用哀求时，而定制的专用AI芯片。
除了不能扩展以外,在功耗、可靠性、体积方面都有上风，尤其在高性能、低功耗的移动设备端。

定制的特性有助于提高 ASIC 的性能功耗比，缺陷是电路设计须要定制，相对开拓周期长，功能难以扩展。
但在功耗、可靠性、集成度等方面都有上风，尤其在哀求高性能、低功耗的移动运用端表示明显。
谷歌的 TPU、 寒武纪的 GPU，地平线的 BPU都属于 ASIC芯片。
谷歌的 TPU比 CPU和 GPU的方案快 30 至 80 倍，与 CPU和 GPU比较，TPU把掌握电路进行了简化，因此减少了芯片的面积，降落了功耗。

4、类脑芯片

类脑芯片架构是一款仿照人脑的神经网络模型的新型芯片编程架构，这一系统可以仿照人脑功能进行感知办法、行为办法和思维办法。

有人说，ASIC是人工智能芯片的一个紧张发展方向，但真正的人工智能芯片未来发展的方向是类脑芯片。

类脑芯片研究是非常困难的，IBM、高通、英特尔等公司的芯片策略都是用硬件来模拟人脑的神经突触。

来源：腾讯网