人工智能芯片四大类

通用芯片（GPU）

GPU是单指令、多数据处理，使用大量计算单元和超长流水线，主要处理图像领域的计算加速。

GPU不能单独使用。 它只是处理大数据计算的专家。 它必须由CPU调用并发出指令才能工作。

然而，CPU可以单独运行来处理复杂的逻辑运算和不同的数据类型。 但当需要处理大数据计算时，可以调用GPU进行并行计算。

❖半定制芯片（FPGA）

与 GPU 不同，FPGA 适合多指令、单数据流分析，因此通常用于预测阶段，例如在云端。 FPGA采用硬件来实现软件算法，因此复杂的算法实现起来比较困难。 缺点是价格比较高。

❖完全定制芯片（ASIC）

ASIC是为满足特定场景的应用需求而定制的专用AI芯片。 除了不可扩展之外，它在功耗、可靠性和尺寸方面也具有优势，特别是在高性能、低功耗的移动设备中。

❖类脑芯片

类脑芯片架构是一种模拟人脑神经网络模型的新型芯片编程架构。 该系统可以模拟人脑在感知、行为和思维方面的功能。 有人说ASIC是人工智能芯片的一个主要发展方向，但人工智能芯片未来真正的发展方向是类脑芯片。

类脑芯片的研究难度很大。 IBM、高通、英特尔等公司的芯片策略都是用硬件来模仿人脑的突触。