传统的架构：基于冯。诺依曼架构的FPGA（现场可编程门阵列）和ASIC（专用集成电路）芯片。FPGA和ASIC芯片不管是研发还是应用，都已经形成了一定生产、应用规模。而类脑芯片虽然还处于研究初期，但未来具备很大潜力，可能在未来成为人工智能行业的主流。 现在的电脑，采用的都是冯·诺依曼架构。它的核心架构就是处理器和存储器是分开布局的，所以CPU（中央处理器）和内存条没有集成在一起，只是在CPU中设置了容量极小的高速缓存。而类人脑架构，是模仿人脑神经系统模型的结构，人脑中的神经元既是控制系统，同时又是存储系统。 因此CPU、内存条、总线、南北桥等等，最终都必将集成在一起，形成类人脑的巨大芯片组，至于发热问题，内存条微型化问题，人类最终会找到解决方法。
1、通用芯片（GPU）。GPU是单指令、多数据处理，采用数量众多的计算单元和超长的流水线，主要处理图像领域的运算加速。GPU是不能单独使用的，它只是处理大数据计算时的能手，必须由CPU进行调用，下达指令才能工作。 但CPU可单独作用，处理复杂的逻辑运算和不同的数据类型，但当需要处理大数据计算时，则可调用GPU进行并行计算。 2、半定制化芯片（FPGA）。FPGA适用于多指令，单数据流的分析，与GPU相反，因此常用于预测阶段，如云端。FPGA是用硬件实现软件算法，因此在实现复杂算法方面有一定的难度，缺点是价格比较高。 3、全定制化芯片（ASIC）。ASIC是为实现特定场景应用要求时，而定制的专用AI芯片。除了不能扩展以外，在功耗、可靠性、体积方面都有优势，尤其在高性能、低功耗的移动设备端。 4、类脑芯片，类脑芯片架构是一款模拟人脑的神经网络模型的新型芯片编程架构，这一系统可以模拟人脑功能进行感知方式、行为方式和思维方式。 有人说，ASIC是人工智能芯片的一个主要发展方向，但真正的人工智能芯片未来发展的方向是类脑芯片。类脑芯片研究是非常艰难的，IBM、高通、英特尔等公司的芯片策略都是用硬件来模仿人脑的神经突触。GPU未来的应用方向是高级复杂算法和通用性人工智能平台，买来就能使用。 FPGA更适用于各种具体的行业，人工智能会应用到各个具体领域。ASIC芯片是全定制芯片。因为算法复杂度越强，越需要一套专用的芯片架构与其进行对应。定制就是当客户处在某一特殊场景时，可以为其独立设计一套专业智能算法软件。而ASIC基于人工智能算法进行独立定制，其发展前景看好。类脑芯片是人工智能最终的发展模式，但是离产业化还很遥远。 |
