FPGA发展势头强劲未来将大有可为
目前，ai芯片的研发方向主要分两种：一是基于传统冯·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，二是模仿人脑神经元结构设计的类脑芯片。其中fpga和asic芯片不管是研发还是应用，都已经形成一定规模；而类脑芯片虽然还处于研发初期，但具备很大潜力，可能在未来成为行业内的主流。
这两条发展路线的主要区别在于，前者沿用冯·诺依曼架构，后者采用类脑架构。你看到的每一台电脑，采用的都是冯·诺依曼架构。它的核心思路就是处理器和存储器要分开，所以才有了cpu（中央处理器）和内存。而类脑架构，顾名思义，模仿人脑神经元结构，因此cpu、内存和通信部件都集成在一起。
之后由于高清视频和游戏产业的快速发展，gpu （图形处理器）芯片取得迅速的发展。因为 gpu 有更多的逻辑运算单元用于处理数据，属于高并行结构，在处理图形数据和复杂算法方面比 cpu 更有优势，又因为ai深度学习的模型参数多、数据规模大、计算量大，此后一段时间内 gpu 代替了 cpu，成为当时 ai 芯片的主流。
fpga 可以被理解为“万能芯片”。用户通过烧入 fpga 配置文件，来定义这些门电路以及存储器之间的连线，用硬件描述语言（hdl）对 fpga 的硬件电路进行设计。每完成一次烧录，fpga内部的硬件电路就有了确定的连接方式，具有了一定的功能，输入的数据只需要依次经过各个门电路，就可以得到输出结果。
用大白话说，“万能芯片” 就是你需要它有哪些功能、它就能有哪些功能的芯片。尽管叫“万能芯片”，fpga也不是没有缺陷。正因为 fpga 的结构具有较高灵活性，量产中单块芯片的成本也比 asic 芯片高，并且在性能上，fpga 芯片的速度和能耗相比 asic 芯片也做出了妥协。也就是说，“万能芯片” 虽然是个 “多面手”，但它的性能比不上 asic 芯片，价格也比 asic 芯片更高。
但是在芯片需求还未成规模、深度学习算法需要不断迭代改进的情况下，具备可重构特性的fpga芯片适应性更强。因此用fpga来实现半定制人工智能芯片，毫无疑问是保险的选择。目前，fpga 芯片市场被美国厂商 xilinx 和 altera 瓜分。据国外媒体 marketwatch 的统计，前者占全球市场份额 50%、后者占 35%左右，两家厂商霸占了 85% 的市场份额，专利达到 6000 多项，毫无疑问是行业里的两座大山。
在 ai 产业应用大规模兴起之前，使用 fpga 这类适合并行计算的通用芯片来实现加速，可以避免研发 asic 这种定制芯片的高投入和风险。但是，因为其通用性低，asic 芯片的高研发成本也可能会带来高风险。然而如果考虑市场因素，asic芯片其实是行业的发展大趋势。
既然要研制人工智能芯片，那么有的专家就回归问题本身，开始模仿人脑的结构。人脑内有上千亿个神经元，而且每个神经元都通过成千上万个突触与其他神经元相连，形成超级庞大的神经元回路，以分布式和并发式的方式传导信号，相当于超大规模的并行计算，因此算力极强。人脑的另一个特点是，不是大脑的每个部分都一直在工作，从而整体能耗很低。
这种类脑芯片跟传统的冯·诺依曼架构不同，它的内存、cpu 和通信部件是完全集成在一起，把数字处理器当作神经元，把内存作为突触。除此之外，在类脑芯片上，信息的处理完全在本地进行，而且由于本地处理的数据量并不大，传统计算机内存与 cpu 之间的瓶颈不复存在了。同时，神经元只要接收到其他神经元发过来的脉冲，这些神经元就会同时做动作，因此神经元之间可以方便快捷地相互沟通。
然而目前类脑芯片研制的挑战之一，是在硬件层面上模仿人脑中的神经突触，换而言之就是设计完美的人造突触。在现有的类脑芯片中，通常用施加电压的方式来模拟神经元中的信息传输。但存在的问题是，由于大多数由非晶材料制成的人造突触中，离子通过的路径有无限种可能，难以预测离子究竟走哪一条路，造成不同神经元电流输出的差异。
针对这个问题，今年麻省理工的研究团队制造了一种类脑芯片，其中的人造突触由硅锗制成，每个突触约 25 纳米。对每个突触施加电压时，所有突触都表现出几乎相同的离子流，突触之间的差异约为 4%。与无定形材料制成的突触相比，其性能更为一致。
即便如此，类脑芯片距离人脑也还有相当大的距离，毕竟人脑里的神经元个数有上千亿个，而现在最先进的类脑芯片中的神经元也只有几百万个，连人脑的万分之一都不到。因此这类芯片的研究，离成为市场上可以大规模广泛使用的成熟技术，还有很长的路要走，但是长期来看类脑芯片有可能会带来计算体系的革命。
北京联通发布了5G体验公告不换卡不换号就可以体验极速的5G网络
胜科与华为数字能源签署MOU协议
【洞见芯趋势】迎接新时代，2023全面推进6G技术研发!
2020年，苹果在印度业务净利润增长253%，创新高
线路板专业术语你知道中英文的对照吗
FPGA发展势头强劲未来将大有可为
圆柱齿轮流量计介绍
CAN XL的关键指标和应用场景
ATtiny25/45/85微控制器电路板制作(原理图和PCB图)
#DMC660MH面板灯铝框激光焊接示教系统#：六轴双工位
激光雷达鲜为人知的主要用途：定位
什么样的云存储比较好用
大数据是怎样的一个存在
电信数亿元推广3G四通道手机拓展中高端用户
继苹果首被举报垄断事件后 苹果越来越嚣张了 北京时间因版权问题被苹果下架
我国工业机器人市场将保持强劲增长态势，发展潜力巨大
Gartner：2019年全球PC出货量超过2.61亿台
基于AT89C51/DSl8820的数字温度计设计
未来的可穿戴设备会比你更了解你
OMDIA预测2020年OLED电视的出货量将为350万台
这两条发展路线的主要区别在于，前者沿用冯·诺依曼架构，后者采用类脑架构。你看到的每一台电脑，采用的都是冯·诺依曼架构。它的核心思路就是处理器和存储器要分开，所以才有了cpu（中央处理器）和内存。而类脑架构，顾名思义，模仿人脑神经元结构，因此cpu、内存和通信部件都集成在一起。
之后由于高清视频和游戏产业的快速发展，gpu （图形处理器）芯片取得迅速的发展。因为 gpu 有更多的逻辑运算单元用于处理数据，属于高并行结构，在处理图形数据和复杂算法方面比 cpu 更有优势，又因为ai深度学习的模型参数多、数据规模大、计算量大，此后一段时间内 gpu 代替了 cpu，成为当时 ai 芯片的主流。
fpga 可以被理解为“万能芯片”。用户通过烧入 fpga 配置文件，来定义这些门电路以及存储器之间的连线，用硬件描述语言（hdl）对 fpga 的硬件电路进行设计。每完成一次烧录，fpga内部的硬件电路就有了确定的连接方式，具有了一定的功能，输入的数据只需要依次经过各个门电路，就可以得到输出结果。
用大白话说，“万能芯片” 就是你需要它有哪些功能、它就能有哪些功能的芯片。尽管叫“万能芯片”，fpga也不是没有缺陷。正因为 fpga 的结构具有较高灵活性，量产中单块芯片的成本也比 asic 芯片高，并且在性能上，fpga 芯片的速度和能耗相比 asic 芯片也做出了妥协。也就是说，“万能芯片” 虽然是个 “多面手”，但它的性能比不上 asic 芯片，价格也比 asic 芯片更高。
但是在芯片需求还未成规模、深度学习算法需要不断迭代改进的情况下，具备可重构特性的fpga芯片适应性更强。因此用fpga来实现半定制人工智能芯片，毫无疑问是保险的选择。目前，fpga 芯片市场被美国厂商 xilinx 和 altera 瓜分。据国外媒体 marketwatch 的统计，前者占全球市场份额 50%、后者占 35%左右，两家厂商霸占了 85% 的市场份额，专利达到 6000 多项，毫无疑问是行业里的两座大山。
在 ai 产业应用大规模兴起之前，使用 fpga 这类适合并行计算的通用芯片来实现加速，可以避免研发 asic 这种定制芯片的高投入和风险。但是，因为其通用性低，asic 芯片的高研发成本也可能会带来高风险。然而如果考虑市场因素，asic芯片其实是行业的发展大趋势。
既然要研制人工智能芯片，那么有的专家就回归问题本身，开始模仿人脑的结构。人脑内有上千亿个神经元，而且每个神经元都通过成千上万个突触与其他神经元相连，形成超级庞大的神经元回路，以分布式和并发式的方式传导信号，相当于超大规模的并行计算，因此算力极强。人脑的另一个特点是，不是大脑的每个部分都一直在工作，从而整体能耗很低。
这种类脑芯片跟传统的冯·诺依曼架构不同，它的内存、cpu 和通信部件是完全集成在一起，把数字处理器当作神经元，把内存作为突触。除此之外，在类脑芯片上，信息的处理完全在本地进行，而且由于本地处理的数据量并不大，传统计算机内存与 cpu 之间的瓶颈不复存在了。同时，神经元只要接收到其他神经元发过来的脉冲，这些神经元就会同时做动作，因此神经元之间可以方便快捷地相互沟通。
然而目前类脑芯片研制的挑战之一，是在硬件层面上模仿人脑中的神经突触，换而言之就是设计完美的人造突触。在现有的类脑芯片中，通常用施加电压的方式来模拟神经元中的信息传输。但存在的问题是，由于大多数由非晶材料制成的人造突触中，离子通过的路径有无限种可能，难以预测离子究竟走哪一条路，造成不同神经元电流输出的差异。
针对这个问题，今年麻省理工的研究团队制造了一种类脑芯片，其中的人造突触由硅锗制成，每个突触约 25 纳米。对每个突触施加电压时，所有突触都表现出几乎相同的离子流，突触之间的差异约为 4%。与无定形材料制成的突触相比，其性能更为一致。
即便如此，类脑芯片距离人脑也还有相当大的距离，毕竟人脑里的神经元个数有上千亿个，而现在最先进的类脑芯片中的神经元也只有几百万个，连人脑的万分之一都不到。因此这类芯片的研究，离成为市场上可以大规模广泛使用的成熟技术，还有很长的路要走，但是长期来看类脑芯片有可能会带来计算体系的革命。
北京联通发布了5G体验公告不换卡不换号就可以体验极速的5G网络
胜科与华为数字能源签署MOU协议
【洞见芯趋势】迎接新时代，2023全面推进6G技术研发!
2020年，苹果在印度业务净利润增长253%，创新高
线路板专业术语你知道中英文的对照吗
FPGA发展势头强劲未来将大有可为
圆柱齿轮流量计介绍
CAN XL的关键指标和应用场景
ATtiny25/45/85微控制器电路板制作(原理图和PCB图)
#DMC660MH面板灯铝框激光焊接示教系统#：六轴双工位
激光雷达鲜为人知的主要用途：定位
什么样的云存储比较好用
大数据是怎样的一个存在
电信数亿元推广3G四通道手机拓展中高端用户
继苹果首被举报垄断事件后 苹果越来越嚣张了 北京时间因版权问题被苹果下架
我国工业机器人市场将保持强劲增长态势，发展潜力巨大
Gartner：2019年全球PC出货量超过2.61亿台
基于AT89C51/DSl8820的数字温度计设计
未来的可穿戴设备会比你更了解你
OMDIA预测2020年OLED电视的出货量将为350万台