AI芯片是未来AI技术发展的核心，什么是AI芯片?
AI芯片包含1.计算机科学领域-软件，2.半导体领域-硬件的软硬结合的产品。AI芯片是与AI算法深度绑定的。
1.AI芯片的发展历史：
AI算法在上世纪80年代进入了泡沫破灭期，对于异或运算求解的难题困扰了AI进程20年。
虽然1999年英伟达就发明了GPU芯片实现了浮点数运算，但是直到2009年，吴恩达等人发表了关于AI算法在GPU上进行加速计算的论文后，AI才开始迎来新的一轮发展，直至今日还在这轮浪潮中。
阻碍AI发展的一直依赖不是算法，而是硬件，GPU对于浮点数的运算性能超过CPU的70倍。以前CPU训练一个模型需要几周，现在只需要几个小时。现在火热的AIGC大模型都是在英伟达的A100上训练的，已经取得的了不错的成绩，但这还远远不够。
制约AI发展的不仅是芯片的计算性能，还有功耗。要想训练出媲美人脑性能的模型，所需要消耗的电能，目前还不知道，只知道目前我家的冰箱是不答应的。
2021年发表的一篇研究论文显示，训练GPT-3耗用了1.287吉瓦时电量，大约相当于120个美国家庭1年的用电量。 同时，这样的训练产生了502吨碳，相当于110辆美国汽车1年的排放量。
2. AI芯片的种类
网上一提到AI芯片就罗列一大堆，确实很烦人。不过这是事实，要对AI芯片进行分类，目前来说的确很难，毕竟还在发展中。AI芯片是软硬件结合的产品，不是单指某一类芯片。一个AI算法可以跑在CPU上，也可以跑在GPU上，跑在FPGA上，他们可以说是不同种类的芯片。
大致可以分为四类：基于标准芯片：CPU，GPU，FPGA的，和专用芯片（ASIC）。
不同算法可以采取不同的计算范式进行实现，又可以进行细分。
ASIC是定制的专用AI芯片，像华为的NPU，地平线的BPU等等，在芯片架构和电路上对算法实现进行优化，从性能、能耗、成本上实现对AI算法的最佳实现。
之前对一些AI芯片和公司进行过调研：
3.总结
CPU，GPU，FPGA，ASIC到底是哪一种是AI算法的最佳实现？这很难确定，CPU和GPU可以实现产品的短时间上市，而FPGA和ASIC则需要很长时间，ASIC流片的时间和成本就很大。
同时云端芯片和边缘侧芯片的需求也完全不同：
云端服务器需要AI芯片具备更大的吞吐量和灵活性，边缘侧则需要功耗更低，面积更小的AI芯片。
原文链接：https://www.zhihu.com/question/264359360/answer/3007382698
