1160
AI芯片也被称为AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块（其他非计算任务仍由CPU负责）。当前，AI芯片主要分为 GPU 、FPGA 、ASIC。
1.AI芯片原理
AI的许多数据处理涉及矩阵乘法和加法。大量并行工作的GPU提供了一种廉价的方法，但缺点是更高的功率。具有内置DSP模块和本地存储器的FPGA更节能，但它们通常更昂贵。
AI芯片该使用什么方法原理去实现，仍然众说纷纭，这是新技术的特点，探索阶段百花齐放，这也与深度学习等算法模型的研发并未成熟有关，即AI的基础理论方面仍然存在很大空白。这是指导芯片如何设计的基本前提。因此，集中在如何更好的适应已有的数据流式处理模式进行的芯片优化设计。
技术手段方面AI市场的第一颗芯片包括现成的CPU，GPU，FPGA和DSP的各种组合。虽然新设计正在由诸如英特尔、谷歌、英伟达、高通，以及IBM等公司开发，但还不清楚哪家的方法会胜出。似乎至少需要一个CPU来控制这些系统，但是当流数据并行化时，就会需要各种类型的协处理器。
2.AI芯片的应用
1、高级辅助驾驶系统(ADAS）
相对于传统的车辆控制方法，ADAS的优势在于对控制对象模型的应用和综合信息学习的运用上，包括神经网络控制和深度学习方法。
该技术在图像分析、环境感知等环节对计算速度的要求很高，而传统芯片的计算延时无法满足无人驾驶的要求，只有AI 芯片才能实时处理随时变化的交通信息及各类传感器的反馈信息。
2、AI芯片目前广泛的应用在世界的各个领域。比如手机上的智能人脸识别，网络服务器上的大数据分析，无人汽车的自动驾驶，以及机器人的智能化等。
3、智能制造
信息被提取为支撑的制造工序的目的。同时也被大量用于农业的过程，从散装材料，这个过程被称为去除不想要的东西，食物的光学分拣。
4、智能家居
在AIoT时代，智能家居中的每个设备都需要具备一定的感知、推断以及决策功能。为了得到更好的智能语音交互用户体验，语音AI芯片进入了端侧市场。语音AI芯片相对来说设计难度低，开发周期短。
5、移动终端
在智能手机终端上应用AI芯片可以让其具备更强的深度学习和推断能力，让各类基于深度神经网络图像处理技术的应用能够为用户提供更完美的使用体验。
