人工智能芯片发展历程 背景 A芯片技术架构 CPU 冯诺伊曼架构（存算分离】 非冯诺依曼架构 技术架构趋势 通用型AI芯片 定制化AI芯片 存算一体芯片 GPU CPU(中央处理器) FPGA(现场可编程门列阵) 存算一体芯片 传统处理器芯片，非专为人· 算力较高，功耗较低，通用性较 具备算力极高、功耗极低和 TPU 工智能设计，算力低价格高： 强，但量产后单价较高，性价比 成本低的优势。 被AI领域普遍放弃，仅作逻 一般。 模拟人脑神经元结构，芯片存 辑处理器进行任务调度。 半定制芯片，用硬件实现软件 储模块和计算模块一体化，具备 FPGA 算法，搭载算法变更需要重新 多个技术发展方向，其发展尚 编辑电路设计，烧录配置文件。 处于起步阶段。 SOC GPU(图形处理器) ASIC(专用集成电路) 长远来看，作为颠覆传统架构 ·算力较高，通用性强，但功·算力高，功耗低，量产后单价 的存算一体芯片，是被普遍寄 耗高，成本很高，性价比低。 低，性价比高，但通用性差。 予厚望的未来发展方向。 ·单指令、多数据处理，具有· 全定制芯片，用硬件实现软件 高并行结构，同样非专为A1 算法，电路设计为特别定制， 计算设计，但优于CPU。 功能固定。相比于FPGA,当下 A1算法迭代改进快速，面临风险。人工智能芯片发展历程 背景 AI芯片技术架构 CPU GPU TPU FPGA SOC