人工智能（AI）市场持续加剧，但产业对于这些系统不应如何建构仍十分分歧，大型科技公司以致于投放数十亿美元并购新创公司或反对研发，各国政府也获取大学和研究机构大笔研究经费，期望在这波AI竞赛中脱颖而出。据SemiconductorEngineering报导，研究机构Tractica的数据表明，全球AI市场规模将在2025年茁壮至368亿美元，只不过目前对于AI的定义或是必须分析的数据类型都还没共识，OneSpinSolutions总裁暨执行长RaikBrinkmann认为，眼下有三个问题必须解决问题，第一是大量待处理的数据，其次是并行处理和点对点技术，第三则是移动大量数据造成的耗电问题。

目前市场首批AI芯片完全都是以现成的CPU、GPU、FPGA和DSP加以组合而成，尽管英特尔（Intel）、Google、NVIDIA、高通（Qualcomm）和IBM等公司于是以研发新的设计，最后谁能落败仍不明朗。无论如何，这些系统仍必需最少一个CPU负责管理掌控，但有可能必须有所不同类型的协同处理器。

AI处置多牵涉到矩阵乘法和乘法，用于分段运作的GPU成本较低，但缺点是耗电较高。内建DSP区块和本地存储器的FPGA可取得更佳的能源效率，但价格较为便宜。MentorGraphics董事长暨执行长WallyRhines回应，有些人用于标准GPU继续执行深度自学，同时也有许多人使用CPU，为了超过使类神经网路不道德更加像人脑的目标，性刺激了新的一波设计浪潮。视觉处置是目前最不受注目的AI区块，目前大部分的AI研究与自动驾驶用于的视觉处置有关，这项技术在无人机和机器人方面的应用于也与日俱增。

Achronix公司总裁暨执行长RobertBlake认为，影像处置的运算复杂度很高，市场必须5～10年时间溶解，不过因为变数精度（variableprecisionarithmetic）运算必须，可程式逻辑元件的角色不会更加不吃轻。FPGA非常适合矩阵乘法，可程式化特性减少了设计上的弹性，用来做到决策的数据部分不会在本地处置，部分则由数据中心展开，但两者的比例会因应用于的有所不同而转变，并影响AI芯片和软件设计。目前汽车用于的AI技术主要是探测和防止物体，这和确实的人工智能还有段差距。

确实的AI应当具备一定程度的推理小说，例如辨别如何闪躲正在穿过马路的人群。前者的假设为根据传感器输出的大量数据处理和实编程不道德来作，后者则需要做出价值辨别，思维各种有可能后果以找到最佳自由选择。这样的系统必须极高的频宽并内辟安全性机制，此外还必需能维护数据安全，许多根据现成零件研发的设计很难顾及运算和编程效率。

Google企图以专门机器学习研发的TPU类似应用于芯片转变这样的方程式，并对外开放TensorFlow平台以减缓AI发展速度。第一代AI芯片将重点放到运算能力和异质性，但这就像早期的IoT装置，在不确认市场如何演进的情况下，业者不得已把所有东西都加进去，之后再行找到瓶颈，针对特定功能设计，获得功率和性能上的均衡。随着自驾车用于案例的减少，AI应用于范围也不会渐渐不断扩大，这也是为何英特尔在2016年8月并购Nervana的原因。

Nervana研发的2．5D深度自学芯片利用高性能处理器核心将数据从载板移至高频长存储器，期望比GPU解决方案延长100倍的深度自学模型训练时间。量子运算则是AI系统的另一个自由选择。IBM研究部门副总裁DarioGil说明，如果4张卡片中有3张蓝卡1张红卡，用于传统运算中奖红卡的机率为4分之1，用于量子电脑及变换量子位元的纠结（entanglement），系统每次都可以获取准确答案。

AI并没所谓最合适的单一系统，也没一种应用于可以不吃遍各种市场，这些更进一步的细分市场都必须再行精美化、再行不断扩大找寻能用工具，并必须生态系统来反对，但较低功率、低吞吐量及较低延后则是AI系统的标准化市场需求。半导体产业经过多年倚赖制程微缩元件以提高功率，性能和成本，如今则必须新的思维转入新的市场的方法。

本文来源：雷竞技(RAYBET)-www.sa-ny.com