AI芯片產業生態
技術架構發展分為四個類型
01、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於PC端大型遊戲對圖形處理的需求，現由於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，從遊戲、數據中心到人工智能，市場對英偉達芯片的需求越來越大，在遊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。
英偉達GPU加速算法示意圖
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，聚焦於底層計算，致力於搭建高效平臺的戰略，使英偉達在當下的技術革命中，佔得了一席之地。
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）領域中的一種半定製電路而出現的，既解決了定製電路的不足，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，其產品主要用於軍用和宇航。
Altera和Xilinx主要生產一般用途FPGA，其主要產品採用RAM工藝。Actel主要提供非易失性FPGA，產品主要基於反熔絲工藝和FLASH工藝。
02、基於FPGA的半定製化芯片
DPU：Deep－Learning Processing Unit深度學習處理器
Deephi Tech深鑑，一家位於北京的清華背景start－up，深鑑將其開發的基於FPGA的神經網絡處理器稱為DPU。
深鑑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。
百度也發佈了XPU，這是一款256核、基於FPGA的雲計算加速芯片，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，並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於數據同步，所有內核都運行在600MHz
03、全定製化ASIC芯片
代表如TPU、寒武紀 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，於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
TPU的架構框圖
Google在2017年5月的開發者大會上正是公佈了TPU2，又稱Cloud TPU．相比於TPU1，TPU2既可以勇於training，又可以用於inferrence．TPU1實用了脈動陣列的流處理結構。
04、類腦計算芯片
代表如IBM TrueNorth、westwell、高通Zeroth等
類腦計算：是指借鑑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，對於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年發佈的仿人腦芯片，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個並行分佈的神經內核，用了54億個晶體管，然而功耗卻只有70mW。
TrueNorth芯片結構、功能、物理形態圖
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製造出的芯片，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。
小編認為，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，區別在於不同時期不同需求，這也是各個AI芯片創業公司為什麼要進行卡位戰的原因。但無論怎麼發展，技術永遠都是第一要義。
（內容來源| AI芯天下）
閱讀更多 人工智能知識局 的文章
