- 综合排序
- 最热优先
- 最新优先
- 来自专栏人人都是极客
AI 芯片和传统芯片的区别
来源：内容来自「知乎@汪鹏 」 所谓的AI芯片，一般是指针对AI算法的ASIC（专用芯片）。 传统的CPU、GPU都可以拿来执行AI算法，但是速度慢，性能低，无法实际商用。 在手机终端，可以自行人脸识别、语音识别等AI应用，这个必须功耗低，所以GPU OUT！ 所以，开发ASIC就成了必然。 说说，为什么需要AI芯片。 这个时候就来看了，比如IBM的POWER8，最先进的服务器用超标量CPU之一，4GHz，SIMD，128bit，假设是处理16bit的数据，那就是8个数，那么一个周期，最多执行8个乘加计算。 总的来说，CPU与GPU并不是AI专用芯片，为了实现其他功能，内部有大量其他逻辑，而这些逻辑对于目前的AI算法来说是完全用不上的，所以，自然造成CPU与GPU并不能达到最优的性价比。 谷歌的TPU，寒武纪的DianNao，这些AI芯片刚出道的时候，就是用CPU/GPU来对比的。 无图无真相，是吧？
2.1K50发布于 2018-12-19 - 来自专栏芯智讯
AMD最大芯片发布：集成13个小芯片，1460亿个晶体管，AI性能提升8倍！
高速缓存和8个HBM共享内存设计。 AMD 尚未明确CU数量，不过官方公布的数据显示，CDNA 3的每瓦特AI性能达到了上代CDNA 2的5倍。 这9个小芯片是通过3D封装堆叠在4个6nm小芯片上，这些芯片不仅仅是无源中介层——这些芯片是有源的，可以处理I/O和各种其他功能。 AMD声称MI300提供的AI性能和每瓦性能是Instinct MI250的8倍和5倍（使用稀疏性FP8基准测试）。 AMD还表示，它可以将ChatGPT和DALL-E等超大型AI模型的训练时间从几个月减少到几周，从而节省数百万美元的电力。
75920编辑于 2023-02-09 - 来自专栏镁客网
特斯拉AI日将在8月19日举办，或将展示Dojo芯片
作者 | 来自镁客星球的波点 近日，特斯拉CEO马斯克正式对外宣布，特斯拉AI日将在8月19日举行。 根据此前的消息，特斯拉会在该活动上公布全自动驾驶(Full Self Driving)进展的细节之外，还或将展示超级计算机Dojo的专用芯片。 不仅如此，特斯拉Dojo计算机还会自己学习并训练AI。简单地说，特斯拉Dojo是一台超级强大的训练计算机，可以训练多个AI，最终的目的是让汽车实现自动驾驶。 另外，近日加州大学洛杉矶分校教授Dennis Hong在社交平台上发了一张暗指特斯拉打造的Dojo超算平台的图片，疑似暗示在特斯拉AI日上会有Dojo超算平台信息露出。 特斯拉自2016以为一直在开发自己的芯片，此前也有传言特斯拉正在与三星合作开发一种新的5nm芯片，该芯片将辅助自动驾驶软件。不过目前特斯拉官方并未给出回复，一切还需等待AI日当天揭晓。
63720发布于 2021-08-09 - 来自专栏用户6167002的专栏
巨头搅局AI芯片
就这些方面来看，AI芯片的确是门好生意，同时也很好地解释了为什么有众多资本会节奏一致地向AI芯片领域集中。 当然，从互联网巨头们的角度出发，其涉足AI芯片的原因远不止此。 这些或许才是互联网巨头们集体进入AI芯片市场的关键点。 这么来看，入注AI芯片行业对于互联网巨头来说意义非凡，也难怪巨头们一直以来都在急于融入到AI芯片市场当中。 毕竟可以利用云端AI芯片赛道取长补短，填补在终端AI芯片的不足，促进整体AI芯片在市场中茁壮生长，同时可以避开各方巨头在终端AI芯片市场中的尖锐锋芒。 或成AI芯片中坚角色 按目前情况来看，纵使有AI芯片整体制造工艺水平略低、应用场景有限等不足，也难掩BAT等巨头正在AI芯片行业频频出圈的事实。 在AI芯片性能方面，互联网巨头依靠已推出的部分产品在AI芯片领域出尽风头。据公开数据显示，昆仑AI芯片能提供每秒260万亿次的定数运算性能。
47220编辑于 2022-03-15 - 来自专栏AI系统
【AI系统】AI芯片驱动智能革命
在整个 AI 系统的构建中，AI 算法、AI 框架、AI 编译器、AI 推理引擎等都是软件层面的概念，而 AI 芯片则是物理存在的实体，AI 芯片是所有内容的重要基础。 本系列文章将会通过对典型的 AI 模型结构的设计演进进行分析，来理解 AI 算法的计算体系如何影响 AI 芯片的设计指标，进而结合几种主流的 AI 芯片基础介绍，帮助大家对 AI 系统的整个体系知识有更全面的认识 计算机芯片体系结构在很大程度上影响了 AI 算法的性能。因此，了解 AI 算法与芯片计算体系结构之间的关系是非常重要的。 AI 芯片的分类 AI 芯片的广泛定义是指那些面向人工智能应用的芯片。 CPU、GPU、FPGA、ASIC 是目前 AI 计算过程中最主流的四种芯片类型，CPU、GPU、FPGA 是前期较为成熟的芯片架构，属于通用性芯片，ASIC 是为 AI 特定场景定制的芯片。
1.7K10编辑于 2024-11-29 - 来自专栏镁客网
首个AI芯片投资！谷歌母公司投资AI芯片初创企业 | 热点
目前这家初创公司还没有发布其第一代芯片产品。 近日，据国外媒体报道，美国初创公司SambaNova System获得了5600万美元的A轮融资。 目前这家初创公司还没有发布其第一代芯片产品，但其已与潜在客户以及公共云提供商进行了谈话。 近年来，AI芯片一直是各大科技公司竞争的热门对象。早在2016年，谷歌就宣布已经制造出可以快速训练AI模型的芯片——张量处理单元（TPU），以对抗英伟达的GPU。 而老牌芯片CPU巨头英特尔并购了AI初创公司Nervana，以扩大自己在AI芯片上的优势。 在收购AI初创公司方面，谷歌也位列各大科技公司榜首。 从2012年至今，谷歌并购的AI公司最多，大概有14个，苹果公司位居第二位。但是此次收购AI芯片公司，还是谷歌的第一次尝试。
65420发布于 2018-05-29 AI如何改变芯片设计
AI如何改变芯片设计摩尔定律即将终结。工程师和设计师在晶体管微型化和芯片集成度方面已接近极限，因此他们转向其他芯片设计方法，将AI等技术融入设计流程。 AI在芯片设计中的当前应用某机构高级产品经理指出，AI已贯穿芯片设计和制造的大部分环节。在工艺工程中，AI可用于优化流程，缺陷检测是各阶段（尤其是制造环节）的重要应用。 AI不仅是预测工具，更能从数据中提取深层洞见。AI驱动的设计优势传统基于物理的建模计算密集且复杂。AI可创建替代模型（即数字孪生），通过参数扫描、优化和蒙特卡洛模拟大幅降低计算时间。 挑战与局限AI模型精度仍不及传统物理模型，这是通过大量模拟和参数扫描来弥补的缺点。芯片设计和制造需考虑所有组件，整合不同部件的预测模型极具挑战性。 未来趋势将减少追求超精确预测，转向信息透明共享和数字孪生应用，结合AI与人类专业知识，推动芯片设计向更高效、协作的方向发展。
49500编辑于 2025-10-11谷歌TPU芯片如何挑战AI芯片主导地位
谷歌定制化AI芯片（即张量处理器）正通过其专业化架构挑战现有市场格局。据报道，多家大型科技公司正计划斥资数十亿美元采购谷歌的张量处理器，这可能动摇英伟达作为AI芯片主要供应商的地位。什么是TPU？ TPU比GPU更适合AI吗？英国布里斯托大学的西蒙·麦金托什-史密斯表示，从技术上讲，张量处理器更像是图形处理单元的一个子集，而非一种完全不同的芯片。 孔蒂指出，英伟达图形处理单元的一个传统优势是，有简单易用的软件可以帮助人工智能设计者在英伟达芯片上运行代码。张量处理器刚问世时并不具备这种便利性，但现在这些芯片已经发展到更易于使用的阶段。 例如，某机构使用自己的Trainium芯片来训练其人工智能模型。 麦金托什-史密斯表示：“大多数大型科技公司都有内部的芯片开发项目，部分原因是图形处理单元因供不应求而变得非常昂贵，自己设计和制造可能更便宜。”TPU将如何影响AI行业？
26310编辑于 2026-03-30- 来自专栏AI系统
【AI系统】从 CUDA 对 AI 芯片思考
英伟达生态的思考点从软件和硬件架构的角度出发，CUDA 和 SIMT 之间存在一定的关系，而目前 AI 芯片采用的 DSA 架构在编程模型和硬件执行模型上还处于较为早期的状态，英伟达强大的生态同样离不开 面对新的 AI 芯片，在流水隐藏方面，实现架构层面的隐藏流水编排机制，提出一个形式上与 SPMD 没有关系的编程模式，而且易用性堪比 CUDA 的软件是可能的。 编程模型上缺乏统一的标准，因此需要专门搭建编译器和编程体系，硬件主要以 AI 加速芯片（TPU、NPU 等）为主。
71610编辑于 2024-11-27 AI如何变革芯片设计
AI将如何改变芯片设计人工智能对半导体行业的承诺与潜力芯片制造、MATLAB、摩尔定律、芯片设计、人工智能、数字孪生摩尔定律的终结正逐渐逼近。 例如，某机构正在将其AI技术添加到内存芯片中，以实现存内处理，从而节省能源并加速机器学习。说到速度，某机构的TPU V4 AI芯片的处理能力比其前代产品提高了一倍。 但对于半导体行业，AI仍有更多前景和潜力。为了更好地理解AI将如何彻底改变芯片设计，我们与某机构MATLAB平台的高级产品经理进行了对话。问：AI当前如何用于设计下一代芯片？ 我们通常认为AI是一种预测工具，或者是一个执行某种任务的机器人，但很多时候，通过AI能从数据中获得很多洞察。问：使用AI进行芯片设计的好处是什么？ 问：你如何展望AI和芯片设计的未来？答：这在很大程度上取决于人的因素——让人参与到过程中，并拥有可解释的模型。
23310编辑于 2026-05-23转载：【AI系统】AI芯片驱动智能革命
在整个 AI 系统的构建中，AI 算法、AI 框架、AI 编译器、AI 推理引擎等都是软件层面的概念，而 AI 芯片则是物理存在的实体，AI 芯片是所有内容的重要基础。 本系列文章将会通过对典型的 AI 模型结构的设计演进进行分析，来理解 AI 算法的计算体系如何影响 AI 芯片的设计指标，进而结合几种主流的 AI 芯片基础介绍，帮助大家对 AI 系统的整个体系知识有更全面的认识 计算机芯片体系结构在很大程度上影响了 AI 算法的性能。因此，了解 AI 算法与芯片计算体系结构之间的关系是非常重要的。 AI 芯片的分类 AI 芯片的广泛定义是指那些面向人工智能应用的芯片。 CPU、GPU、FPGA、ASIC 是目前 AI 计算过程中最主流的四种芯片类型，CPU、GPU、FPGA 是前期较为成熟的芯片架构，属于通用性芯片，ASIC 是为 AI 特定场景定制的芯片。
71410编辑于 2024-12-11- 来自专栏芯智讯
传OpenAI将自研AI芯片，并计划收购芯片公司
10月6日消息，据路透社援引知情人士的话指出，生成式AI领域的领头羊、ChatGPT开发商OpenAI正在探索AI芯片的可能性，并已评估潜在的收购目标，以加速自研芯片的研发。 报道称，OpenAI至少从去年就已经开始讨论各种解决方案，以解决AI芯片成本高昂、短缺等问题，其中就包括自研AI芯片、与英伟达（NVIDIA）在内的AI芯片厂商更密切合作、推动AI芯片供应来源更多元化， 虽然还不清楚OpenAI是否会持续推进自研芯片计划，但资深产业人士指出，OpenAI 若是投入自研AI芯片将是一项重大战略，同时也将是一项巨额投资，每年研发投入成本可能高达数亿美元，但无法保证自研AI芯片一定成功 目前面向服务器的AI芯片市场处于英伟达的统治之下，市占率超过80%。特别是自去年年底以来，生成式AI热潮兴起之下，英伟达的AI芯片（GPU）便持续供不应求，价格也是水涨船高。 目前包括谷歌、亚马逊AWS、阿里巴巴、百度、华为等云服务大厂都已有自研 AI 芯片用于数据中心，微软和Meta也有相关计划。所以对于头部的AI技术大厂来说，自研AI芯片已经是一大趋势。
36120编辑于 2023-10-07 - 来自专栏AI科技大本营的专栏
学习华为，小米研究 AI 芯片
不过，小米公司高级副总裁王翔近日在接受 CNBC 采访时表示，小米正在进行大量与 AI 芯片相关的研究。 手机 SoC 是一项艰难的过程，而且高投入还不一定能带来高回报。 为此，这几家手机巨头纷纷推出了更适合 AI 应用的芯片，使得这些应用能够在手机终端执行，而不需要依靠云端的服务器，以此带来更流畅的使用体验。 而小米已经在自家手机上推出过各种 AI 功能，并且还在大力扩展具备 AI 能力的智能家居的版图（比如小爱音箱）。因此，小米跟进华为等巨头，进行 AI 芯片的相关研究也就在情理之中了。 “我们自己造芯片，主要目的是为了更深入地了解技术。我们（去年）已经推出了第一款搭载澎湃芯片的智能手机。未来，我们将继续相关技术的研发工作，除了芯片组以外，还会涉及 AI 和其他相关的技术。”王翔说。 不过，小米目前还没决定要不要自己造 AI 芯片。 至于澎湃 S2，王翔并未透露更多的信息，只是表示，小米会继续和其他芯片公司保持良好的合作关系。
74550发布于 2018-04-26 AI如何重塑芯片设计未来
摩尔定律的终结与AI的崛起随着摩尔定律逼近物理极限，工程师正转向人工智能等创新方法。 某机构在其存储芯片中集成AI以实现内存计算，既提升机器学习速度又降低能耗；某中心的TPU V4 AI芯片处理能力较前代翻倍。 AI在芯片设计中的核心应用MathWorks MATLAB平台高级产品经理Heather Gorr指出：缺陷检测：贯穿制造全流程，包括光学元件与传感器设计阶段预测性维护：通过历史数据分析设备停机根本原因数字孪生 ：替代传统物理建模，快速完成参数扫描与蒙特卡洛模拟技术优势与挑战效率革命：基于AI的替代模型使仿真速度提升百倍数字孪生技术降低90%原型试制成本精度局限：AI模型准确度仍逊于传统物理模型需融合多传感器数据源 ，系统集成复杂度高工程师的实战建议利用GitHub等开源社区的成熟工具链高频传感器数据需结合频域分析技术明确问题边界，建立模块化测试流程人机协作的未来图景AI将释放工程师生产力：处理材料优化等重复性工作人类专注关键决策与跨系统整合需构建全流程可解释性模型
31010编辑于 2025-08-03- 来自专栏AI科技大本营的专栏
AI芯片发展的前世今生
人工智能芯片产业现状 4.1 产业现状评述 AI 芯片是芯片产业和人工智能产业整合的关键 ，特别是 AI 系统芯片。 一般来说 ，如图 8 所示 ，执 行训练任务的 AI 芯片仅会部署在云端和边缘端 上 ，而执行推理任务的 AI 芯片会部署在云端 、边 缘端和终端上 ，应用范围更广 ，这是因为推理的算力需求较低。 每家人工智能企业都有自己独特的算法，AI 芯片企业也是一样 ，会根据自己的改良算法来设 计AI芯片。 ? 4.7.1 云端市场 随着云端市场需求不断上升 ，服务器 AI 芯片的市场前景乐观。 AI芯片在物 联网产品上的应用主要有两个用途 ，一个是视觉 AI芯片 ，另一个是语音 AI 芯片 ，但因为自然语言处理 的 AI 产品开发难度高 ，目前新创 AI 芯片企业主要切 入的市场是计算机视觉设备的落地场景 Nature Nanotechnology,2013, 8(1): 13-24. [50] JO S H.
1.6K10发布于 2020-02-20 - 来自专栏电源管理IC
九齐单片机 MCU芯片 NY8A051G SOP8 九齐芯片 内置晶振
九齐单片机 MCU芯片 NY8A051G SOP8 九齐芯片 内置晶振一、九齐单片机MCU芯片概述九齐单片机MCU芯片是一款适用于多种应用领域的芯片，其型号为NY8A051G SOP8，内置晶振，具有高效 该芯片采用先进的CMOS技术，具有高可靠性和稳定性，适用于各种环境条件。此外，九齐单片机MCU芯片还具有可编程特性，用户可以通过编程来实现所需的功能，极大地提高了芯片的灵活性和可扩展性。 二、九齐单片机MCU芯片特点1.高效性：九齐单片机MCU芯片采用CMOS技术，具有低功耗的优点，适用于各种应用场景。2.高速性：该芯片具有高速处理能力，可以满足各种复杂控制算法的需求。 5.低成本：该芯片具有较低的价格，可以降低整个产品的成本。三、九齐单片机MCU芯片应用领域1.智能家居：九齐单片机MCU芯片可以用于智能家居控制系统中，实现家居电器的智能化控制和管理。 五、九齐单片机MCU芯片使用注意事项1.在使用九齐单片机MCU芯片时，需要按照芯片手册提供的引脚配置和程序代码来进行开发和调试。
89310编辑于 2023-11-27 - 来自专栏镁客网
亚马逊加入全球芯片大战，推出首款云端AI芯片
策划&撰写：巫盼 终于，亚马逊也加入了全球AI芯片大战。 今天凌晨，亚马逊在拉斯维加斯召开的AWS re：Invent大会上，亚马逊AWS CEO Andy Jassy发布了一系列新产品，其中包括针对机器学习定制设计的云端AI芯片Inferentia。 同样在国内，阿里、华为也有自己的云端AI芯片。 此次，亚马逊的加入势必会让云服务市场竞争更为激烈。 在前几天，亚马逊还发布了基于ARM的芯片Graviton以及基于该芯片提供的EC2 A1虚拟服务器，这款芯片由亚马逊于2015年收购的芯片开发商Annapurna Labs设计。 亚马逊表示，Graviton在运行特定工作负载时成本比英特尔或AMD的芯片最多要低45%，要知道，服务器市场芯片基本上是被这两家所统治。 ?
73930发布于 2018-12-19 - 来自专栏新智元
【英伟达要担心亚马逊造 AI 芯片吗？】谷歌、苹果、微软、亚马逊AI芯片对比
但随着科技巨头纷纷研发自己的AI芯片，包括谷歌的TPU、苹果的神经引擎、微软的FPGA，以及亚马逊正在为Alexa研发的定制AI芯片，英伟达还能保住它的龙头地位吗？ 亚马逊目前拥有超过450名拥有一定程度的芯片经验的员工，该公司可能开发其他专业芯片。该报告还暗示，亚马逊可能正在为其云计算部门AWS开发AI处理器。 谷歌、苹果、微软都在研发取代GPU的方案 2016年初，谷歌透露，它正在研发被称为张量处理器（TPU）的定制AI芯片。 该芯片为TensorFlow奠定了基础，TensorFlow是用于训练该公司的AI系统的框架。 最新版本的TPU可以处理AI的训练和推理阶段。 随着iPhone 8和iPhone X的发布，苹果开发了一种神经引擎，作为其新的A11仿生芯片的一部分，该芯片是一款可在本地处理多种AI功能的先进处理器。
94990发布于 2018-03-20 - 来自专栏AI系统
【AI系统】芯片的编程体系
目前已经有大量的 AI 芯片研发上市，但是如何开发基于硬件的编译栈与编程体系，让开发者更好地使用 AI 芯片，更好的发挥 AI 芯片的算力，让生态更加繁荣，因此理解 AI 芯片的编程体系就显得尤为重要。 AI 芯片并行分类 AI 芯片主要是为实现并行计算，从程序并行的角度出发，主要可以分为指令级并行、数据级并行和任务级并行： 指令级并行（Instruction Level Parallelism，ILP 在 AI 框架的开发流程中，首先由算法工程师定义神经网络，然后使用 AI 框架（如 PyTorch、MindSpore、PaddlePaddle 等框架）编写对应的程序；AI 框架自动构建正向计算图，根据自动微分机制构建反向计算图 ；最后将计算图转变成算子的执行序列，算子最终会执行在底层 AI 芯片上。 针对 AI 框架中具体的数学计算业界一般称为算子，其在 AI 芯片等硬件上提供了具体的 Kernel 实现，需要根据硬件执行模型（Execution Model）来确定编程模型（Programming
75510编辑于 2024-12-02 - 来自专栏人人都是极客
AI芯片的历史和现状
AI芯片分类 从三个维度看懂AI芯片种类： 技术架构 从技术架构来看，人工智能芯片分为通用性芯片（GPU）、半定制化芯片（FPGA）、全定制化芯片（ASIC）、类脑芯片四大类。 云AI芯片的特点是性能强大、能够同时支持大量运算、并且能够灵活地支持图片、语音、视频等不同AI应用。我们现在使用的各种互联网AI能力（比如在线翻译、人证比对），背后都有云AI芯片在发挥作用或提供算力。 英特尔、IBM等老牌云服务器芯片厂商同样在积极布局这一市场，各自通过并购、投资、研发等方式不断切入云AI芯片市场。 这便需要有嵌入到设备内部的端AI芯片，让设备不需要联网就能具备AI能力。它们的特点是体积小、耗电少，而且性能不需要特别强大，通常只需要支持一两种AI能力。 现在手机里的芯片、摄像头里的芯片、甚至你家电饭煲里的芯片都开始陆续AI化。云端格局应该变化不大，但是在终端方面变数未定，边缘计算值得关注。云端市场已被巨头瓜分殆尽，创业公司生存空间几乎消失。
1.5K50发布于 2018-07-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号