AI芯片

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。当前，AI芯片主要被分为GPU,FPGA（半定制化）,ASIC（全定制化）和类脑芯片。
GPU（通用性芯片）：具备通用性、性能高、功耗高。
无法单独工作，必须由CPU进行控制调用才能工作。CPU可单独使用，处理复杂的逻辑运算和不同的数据类型，但当需要大量的处理类型统一的数据时，可调用GPU进行并行计算。
FPGA（半定制化芯片）：可编程，功耗和通用性一般。
ASIC（全定制化芯片）：可定制，性能稳定，功耗可控。
类脑芯片：功耗低，相应速度快，仍处于初期阶段。

目前，AI芯片的研发方向主要分为两种，一是基于传统冯·诺依曼架构的FPGA和ASIC芯片，二是模仿人脑神经元结构设计的类脑芯片。这两条发展线路的主要区别在于，前者沿用冯·诺依曼结构，后者采用类脑结构。我们看到的每一台电脑，采用的都是冯·诺依曼架构，它的核心思想就是处理器和存储器要分开，所以才有了CPU和内存。而类脑架构，模仿人脑神经元结构，将CPU、内存和通信部件都集成在一起。
冯诺依曼结构芯片 NovuMind推出了一款自主研发的AI芯片：NovuTensor。这款芯片使用原生张亮处理器作为内核架构，采用不同的异构计算模式来应对不同AI应用领域的三维张亮计算，这款芯片在做到15万亿次计算每秒的同时，全芯片功耗控制在15W左右，效率极高。虽然其纸面算力不如英伟达的芯片，但是其计算延迟和功耗却低得多，因此适合做边缘端AI计算，也就是服务于物联网。虽然大家都在追求高算力，但实际上不是所有芯片都需要高算力的。比如用在手机、智能眼镜上的芯片，虽然也对算力有一定要求，但更需要的时低能耗，否则手机、智能眼镜等产品容易没电也很麻烦。
类脑芯片目前仍处于发展的初级阶段