AI芯片从技术架构发展来看，大致也可以分为四个类型：通用类芯片，代表如GPU、FPGA；基于FPGA的半定制化芯片，代表如深鉴科技DPU、百度XPU等；全定制化ASIC芯片，代表如TPU、寒武纪Cambricon-1A等；类脑计算芯片，代表如IBMTrueNorth、westwell、高通Zeroth等。

一、通用类芯片：代表如GPU、FPGA

GPU原本需求大部分都来源于PC端大型游戏对图形处理的需求，现由于科技发展渐渐在移动端也慢慢崛起。英伟达正经历从一个图形芯片公司到AI平台搭建者的转型，聚焦于底层计算，致力于搭建高效平台的战略，使英伟达在当下的技术革命中，占得了一席之地。除了英伟达，还有AMD，ARM家的Mali，Imagination的PowerVR，Qualcomm的Adreno等。

二、基于FPGA的半定制化芯片：代表如深鉴科技DPU、百度XPU等

　　DPU：Deep－LearningProcessingUnit深度学习处理器

　　DeephiTech深鉴，一家位于北京的清华背景start－up，深鉴将其开发的基于FPGA的神经网络处理器称为DPU。深鉴已经公开发布了两款DPU：亚里士多德架构和笛卡尔架构，分别针对CNN以及DNN／RNN。百度也发布了XPU，这是一款256核、基于FPGA的云计算加速芯片，合作伙伴是赛思灵（Xilinx）。XPU的目标是在性能和效率之间实现平衡，并处理多样化的计算任务。XPU的256个内核，集成了一个共享内存用于数据同步，所有内核都运行在600MHz

三、全定制化ASIC芯片：代表如TPU、寒武纪Cambricon－1A等

　　ASIC：ApplicationSpecificIntegratedCircuit

　　ASIC在集成电路界被认为是一种为专门目的而设计的集成电路。ASIC芯片技术发展迅速，目前ASIC芯片间的转发性能通常可达到1Gbs甚至更高，于是给交换矩阵提供了极好的物质基础。

四、类脑计算芯片：代表如IBMTrueNorth、westwell、高通Zeroth等

类脑计算：是指借鉴大脑中进行信息处理的基本规律，在硬件实现与软件算法等多个层面，对于现有的计算体系与系统做出本质的变革，从而实现在计算能耗、计算能力与计算效率等诸多方面的大幅改进。

　　TrueNorth：IBM2014年发布的仿人脑芯片，在这个只有邮票大小的硅片上，集成了100万个"神经元"，256个"突触"，4096个并行分布的神经内核，用了54亿个晶体管，然而功耗却只有70mW。

　　TrueNorth芯片结构、功能、物理形态图

　　WestWellLab：西井科技是一家专注研究NeuromorphicEngineering神经形态工程的类脑强人工智能商业公司，即模拟人脑神经元工作原理而制造出的芯片，它既具备人脑的学习能力，又具备强大的特定运算能力，仅需一块邮票大小的芯片，就能模仿人类大脑在短时间内处理海量的感官信息。