2010 年前后，「AI 芯片」这个概念最多出现在技术论文中，市场上还闻所未闻。在那时，哪怕是一位专门研究 AI 的专家，也不可能在一些商业化的公司里找到 AI 相关的职位。大约从 2014 年至今，随着市场对 AI 应用需求的爆发式增长，AI 芯片不但成为研究的焦点，也成为「淘金」的热点，已经有一些 AI 芯片供应商在这方面颇有建树。
深度学习 AI 芯片的发展大致可以分为两个阶段：第一个阶段是 2013～2015 年，属于基本检测阶段，探索如何实施网络模型，谷歌 TPU 的基本架构和基本设计都是在这个阶段完成的；第二个阶段是 2016 年至今，进入了实际应用研究阶段，这段时期的发展尤其针对移动应用和边缘侧应用，追求高性能、低功耗和低成本。所谓的「AI 产业」，也是在这个阶段形成，并正在高速发展之中。
目前主流的 AI 芯片，主要是深度学习加速器，用于云端（数据中心）和边缘侧（智能手机、自动驾驶汽车、无人机、物联网等）。在这个领域，英伟达持续占据领先地位，而谷歌、英特尔和微软这 3 家公司也都很强大。这样一种「1+3」的霸主格局，将会在未来较长一段时间内继续保持。但是这几家公司的各自地位可能会随着相互之间的激烈竞争，以及其他一些大公司（如高通、Facebook、亚马逊、特斯拉等）在 AI 芯片上的表现而发生变化。
另一方面，AI 芯片初创公司已经大量涌现，它们往往有少数非常优秀的人才、算法及芯片实现技术，但是这些公司很快会被大公司（如上述「1+3」霸主）看中而收编。大部分初创公司还在进行各自的研发工作，有的现在已经可以提供样片。但是，由于现在还缺乏业界广泛认可的测试比较 AI 性能的基准，这些新出现的 AI 芯片还很难评估。
（本章节完结）
正在加载...