人工智能無(wú)處不在，但是普通的CPU并不是該技術(shù)的有效平臺(tái)。只有采用專(zhuān)為2020年代AI工作負(fù)載而設(shè)計(jì)的新型微處理器，才能提高效率。

人工智能(AI)的日益普及正在升級(jí)許多標(biāo)準(zhǔn)類(lèi)型的IT工作負(fù)載，并為由高級(jí)算法數(shù)據(jù)處理和機(jī)器學(xué)習(xí)技術(shù)驅(qū)動(dòng)的新服務(wù)提供支持。但是，標(biāo)準(zhǔn)微處理器的局限性限制了AI系統(tǒng)的開(kāi)發(fā)人員。

領(lǐng)先的AI應(yīng)用程序需要超級(jí)計(jì)算機(jī)類(lèi)的計(jì)算資源才能產(chǎn)生所需的輸出。缺點(diǎn)是它們通常在大量并行工作的多用途中央處理單元(CPU)上運(yùn)行，但并未針對(duì)AI需要最佳執(zhí)行的特定處理功能進(jìn)行優(yōu)化。

最近，圖形處理單元(GPU)已成為事實(shí)上的AI協(xié)處理器加速器。與具有四到八個(gè)復(fù)雜內(nèi)核的常規(guī)CPU旨在按順序處理計(jì)算(即使當(dāng)他們有多個(gè)內(nèi)核要卸載工作時(shí))不同，GPU具有更簡(jiǎn)單的內(nèi)核-數(shù)百個(gè)甚至數(shù)千個(gè)帶有專(zhuān)用VRAM內(nèi)存，因此擅長(zhǎng)處理統(tǒng)計(jì)計(jì)算(即浮點(diǎn)算術(shù))和漸進(jìn)式機(jī)器學(xué)習(xí)應(yīng)用程序所需的大規(guī)模并行處理。

這些屬性為GPU供應(yīng)商提供了極大的優(yōu)勢(shì)，尤其是Nvidia，該公司利用對(duì)AI優(yōu)化的GPU的需求來(lái)確立市場(chǎng)領(lǐng)導(dǎo)地位。該公司將繼續(xù)為有益于AI工作負(fù)載的數(shù)據(jù)流開(kāi)發(fā)更多的連接功能。GPU也是批量生產(chǎn)的，這有助于使它們更便宜。但是，GPU設(shè)計(jì)雖然可以使用，但并不是從考慮AI的目的開(kāi)始的。

AI系統(tǒng)開(kāi)發(fā)人員所尋找的是專(zhuān)門(mén)針對(duì)AI工作而設(shè)計(jì)和優(yōu)化的新型處理器，具有內(nèi)置并行機(jī)制的多核處理器，能夠?qū)崟r(shí)，對(duì)大型數(shù)據(jù)集進(jìn)行智能分析的所有處理器，并且都在高度本地化的緊密架構(gòu)上進(jìn)行與位于同一地點(diǎn)的處理器聯(lián)網(wǎng)，以便可以在它們之間以接近零的延遲傳輸數(shù)據(jù)，這將有助于降低能耗。特定于AI的芯片有時(shí)被歸類(lèi)為“ AI加速器”。

迄今為止生產(chǎn)的AI芯片不符合行業(yè)標(biāo)準(zhǔn)，但通常是基于許多核的設(shè)計(jì)，并且通常將重點(diǎn)放在低精度算術(shù)，新穎的數(shù)據(jù)流體系結(jié)構(gòu)或內(nèi)存中的計(jì)算能力上。