几种AI芯片特点对比

GPU

定制化程度：通用型

优点： 通用性较强且适合大规模并行运算；设计和制造工艺成熟

缺点：并行运算能力在推理端无法完全发挥

应用场景：高级复杂算法和通用性人工智能平台

FPGA

定制化程度：半定制化

优点： 可通过编程灵活配置芯片架构适应算法迭代， 平均性能较高；功耗较低；开发时间较短

缺点：量产单价高；峰值计算能 力较低；硬件编程困难

应用场景：各种具体的行业

ASIC

定制化程度：全定制化

优点： 通过算法固化实现极致的性能和能效、平均性很强；功耗很低；体积小；量产后成本最低

缺点：前期投入成本高；研发时间长（1年）；技术风险大

应用场景：为某特殊场景独立设计一套专业智能算法软件

类脑芯片

定制化程度：模拟人脑

优点： 最低功耗；通信效率高；认知能力强

缺点：目前仍处于探索阶段

应用场景：各种具体的行业