很多智能擺設和物聯網擺設都是由某種情勢的人為智能(AI)啟動的——不管是語音輔助、面部辨別攝像頭，保持電腦。這些擺設須要采用某種本領為它們進行的數據處置供給扶助。有些擺設須要在云平臺的大型數據重心處置數據，而也有少許擺設將經過本人的人為智能芯片進行處置。

那么什么是人為智能芯片?本文將中心引薦用于不同運用的不同品種的人為智能芯片。

1、通用芯片（GPU）

GPU是單指令、一致據處置，采用數目稠密的計劃單位和超長的流水生產線，重要處置圖像范圍的運算加快。

GPU是不能獨立運用的，它不過處置大數據計劃時的高手，必需由CPU進行調用，下達指令本領處事。

但CPU可獨立效率，處置攙雜的邏輯運算和不同的數據典型，但當須要處置大數據計劃時，則可調用GPU進行并行計劃。

2、半定制化芯片（FPGA）

FPGA實用于多指令，單數據流的領略，與GPU差異，所以常用于猜測階段，如云霄。FPGA是用硬件實行軟件算法,所以在實行攙雜算法方面有確定的難度，缺陷是價錢比擬高。與 GPU 不同，FPGA 同時具有硬件流水生產線并行和數據并行處置本領,實用于以硬件流水生產線辦法處置一條數據，且整數運算本能更高，所以常用于深度進修算法中的估計階段。但是FPGA 經過硬件的擺設實行軟件算法，所以在實行攙雜算法方面有確定的難度。將FPGA 和 CPU 比較不妨創造兩個特性,一是 FPGA 沒有內部存儲器和遏制所帶來的保存和讀取部 分速率更快,二是 FPGA 沒有讀取指令操縱,以是功耗更低。劣勢是價錢比擬高、編制程序攙雜、完全國體育運動會算本領不是很高。暫時海內的AI 芯片公司如深鑒科學技術就供給鑒于 FPGA 的處置計劃。

3、全定制化芯片（ASIC）

ASIC是為實行特定場景運用訴訟要求時，而定制的專用ai芯片。除了不能擴充除外,在功耗、真實性、體積方面都有上風，更加在高本能、低功耗的挪動擺設端。

定制的個性有助于普及 ASIC 的本能功耗比，缺陷是電路安排須要定制，相對開拓周期長，功效難以擴充。但在功耗、真實性、集成度等方面都有上風，更加在訴訟要求高本能、低功耗的挪動運用端展現鮮明。谷歌的 TPU、 寒武紀的 GPU，地平線的 BPU都屬于 ASIC芯片。谷歌的 TPU比 CPU和 GPU的計劃快 30 至 80 倍，與 CPU和 GPU比擬，TPU把遏制電路進行了簡化，所以減少了芯片的面積，貶低了功耗。

4、類腦芯片

類腦芯片框架結構是一款模仿人腦的神經搜集模子的新式芯片編制程序框架結構，這一體例不妨模仿人腦功效進行感知辦法、動作辦法和思想辦法。

有人說，ASIC是人為智能芯片的一個重要振奮目的，但真實的人為智能芯片將來振奮的目的是類腦芯片。

類腦芯片接洽是特出繁重的，IBM、高通、英特爾等公司的芯片策略都是用硬件來抄襲人腦的神經突觸。