B体育人工智能的概念诞生于1956年的Dartmouth学会，麦卡锡在此次会议上正式提出人工智能的概念。人工智能经过半个多世纪的发展，目前已经应用在机器人，语音识别，图像识别，自然语言处理，专家系统等领域。当然还有近几年超火的芯片设计领域，国内AI芯片公司也如雨后春笋般涌现。地平线，燧原，天数智芯，寒武纪，比特大陆.....每家也都推出了自己的芯片产品。
目前市场上的对于AI芯片并无明确统一的定义，广义上所有面向人工智能（Artificial Intelligence，AI），包括Training(训练)和Inference(推理)应用的芯片都可以被称为AI芯片。
目前市面上的AI芯片种类太多了，各种PU（process unit）层出不穷，从最常见的CPU，GPUB体育，到现在的BPU，DPU，VPU，NPU等等（当然有一些PU在严格意义上来讲，并不算AI芯片），感觉在命名上，26个英文字母已经快不够了，今天就梳理一下常见的各种PU，看看他们都是如何在各自的领域发挥作用的。
中文名字叫加速处理器，是AMD在2011年推出的融聚未来理念产品。它第一次将处理器和独显核心做在一个晶片上，协同计算、彼此加速，使得任务可以灵活地在CPU和GPU间分配，提高效率。
BPU是自动驾驶芯片及解决方案公司研发的一款AI芯片。基于创新的人工智能专用计算架构 BPU，地平线已成功流片量产了中国首款边缘人工智能芯片——专注于智能驾驶的征程(Journey) 1 和专注于 AIoT 的旭日(Sunrise) 1 ；2019 年，地平线又推出了中国首款车规级 AI 芯片征程 2 和新一代AIoT智能应用加速引擎旭日 2 ；2020年，地平线进一步加速AI芯片迭代，推出新一代高效能汽车智能芯片征程 3 和全新一代 AIoT 边缘 AI 芯片平台旭日 3 。
近日，2021款理想ONE汽车搭载双“征程3”芯片，地平线的AI芯片已经受到业内车企的广泛认可。
DPU的概念最早由深鉴科技提出，成立于2016年，其产品则是基于FPGA的处理单元，拥有业界较为领先的机器学习能力，专注于神经网络剪枝、深度压缩技术及系统级优化。2018年被Xilinx收购。
EPU这个词，我也是第一次听。EPU是由Emoshape公司提出的。Emoshape是一家致力于提供可教导智能机器与人类互动技术的公司。EPU基于微控制器(MCU)设计，在人工智能(AI)、机器人和消费电子设备中促成近乎无限的认知过程产生真正情绪反应。EPU是Ekman理论的延伸，该理论利用情绪进化理论识别12种主要情绪。
可以说这几年GPU太火爆了！国内很多AI芯片公司都是做GPU的。在5年以前，想在国内公司做GPU是很难的，但现在则有很多初创公司进入GPU领域，比如天数，沐曦，景嘉微等。
GPU被广泛用于嵌入式系统、移动电话、个人电脑、工作站和电子游戏解决方案当中。现代的GPU对图像和图形处理是十分高效率的，这是因为GPU被设计为很高的并行架构这样使得比通用处理器CPU在大的数据块并行处理算法上更具有优势。
从硬件设计上来讲B体育，CPU 由专为顺序串行处理而优化的几个核心组成。另一方面B体育，GPU则由数以千计的更小、更高效的核心组成，这些核心专为同时处理多任务而设计。
所以，GPU在图像处理等任务上，有极大的优势，结合自动驾驶等应用场景，使得GPU成为芯片行业的新宠。
全息处理器。微软HoloLens是世界上首立的全息计算机设备，能够提供高清晰度的全息影像，其秘密在于HoloLens搭载的Holographic Processing Unit（全息处理单元，简称HPU），这是一款定制芯片，可以处理和交互不同传感器及Intel Atom的数据串流。
英国AI芯片创业公司Graphcore率先提出的概念，即智能处理器。成立于2016年，总部位于英国布里斯托，Graphcore的主要业务是设计用于AI应用程序的处理器，为云服务等应用提供产品支持。
今年5月20号，在第五届世界智能大会上，Graphcore的MK2 IPU正式亮相，工艺为7纳米，集成了594亿个晶体管，具有1472个真正独立的处理器内核。IPU-M2000是一款即插即用的机器智能刀片式计算单元，集成了4颗MK2 IPU，可提供1 petaFLOPS机器智能计算。
JPU目前还没有明确的概念，有一称说是Job Processing Unit，叫这个名字完全没有任何特点。
嘉楠耘智的K210就是一款基于自主研发的神经网络KPU，基于RISC-V架构，目前已经应用在多个领域。
另外中科驭数也提出了KPU概念，其KPU是专为加速特定领域核心功能计算设计的一种协处理器架构，以功能核作为基本单元，直接对应用中的计算密集性应用进行抽象和高层综合，实现以应用为中心的架构“定制”，有效解决特定领域的海量数据处理问题。
做NPU的公司不止一家，这里介绍一下平头哥的含光NPUB体育。2019年9月，T-Head发布了首个数据中心芯片-含光800。瀚光800是一款12nm高性能人工智能推理芯片，集成了170亿个晶体管，实现了820 TOPS的峰值计算能力。在行业标准ResNet-50测试中，实现了78563 IPS的推理性能和500 IPS/W的能效率比。
物理运算处理器。PPU是进行模拟物理计算的处理器，CPU是为了达到更快的运算速度，GPU是为了达到更好的图像效果，那么PPU就是用于沟通虚拟电子世界和普遍存在的物理真实，使画面更加真实，贴近现实。在GDC2005首次提出PPU这个概念。
量子处理器，利用量子叠加性快速遍历问题的各种可能性并找到正确答案。QPU算力随比特数n的增长呈幂指数2n增长。目前无论国内还是国外在量子计算领域都处于探索阶段。
张量处理器，它是谷歌在2015年6月的I/O开发者大会上推出的计算神经网络专用芯片，为优化自身的TensorFlow机器学习框架而打造，主要用于AlphaGo系统，以及谷歌地图、谷歌相册和谷歌翻译等应用中，进行搜索、图像、语音等模型和技术的处理。
是深圳中微电科技有限公司(ICube)提出的概念。特点是把CPU和GPU两种异质核统一在一个芯核内，并采用独有的不牺牲效率的多线程技术。
中微电不仅提供UPU IP，还提供芯片，其IC1是第一个基于UPU的移动系统芯片，已于去年推出工程样片，主频600MHz，是双核-8线程。预计明年底推出IC2芯片，主频1GHz，四核-16线程。
一指矢量处理器，是Intel收购的Movidius公司推出的图像处理与人工智能的专用芯片的加速计算核心。
X代表未知，代表无限，任何一个尚未研发出来的处理器都可以认为是X处理器！目前的话，如果非要选一个，那么就选Xilinx-XPU吧。
Zylin是一家挪威公司，ZPU是其推出的一款32位开源处理器。目前我们依然可以在github上看到它的开源代码。
在人工智能B体育，深度学习等概念全面融入芯片设计的时代，各家AI芯片公司顺势而起，各种概念也是层出不穷。而26个英文字母也面临着即将用尽的情况。没关系，不用慌，大不了用两个字母嘛。在未来的AI芯片浪潮中，能有多少能真正把概念做成产品推广到市场还是未知数。芯片是一个盈利周期长且投资巨大的行业，潮水退去后，我们就知道到底哪些公司在裸泳。
AI芯片设计在国内处于百花齐放的状态，相比国外，我们不算落后，这是我们希望看到的，也希望AI芯片能为我们带来更具想象力的应用场景。
最后打个广告，路科验证秋季V2 pro课程已于8月1号开课。报名时和MOMO老师说名由【温戈】推荐，立即优惠\color{teal}{200元}！可以和其他优惠叠加！此优惠长期有效！扫描此链接内二维名：
Apple M1 系列强大而高效的 CPU GPU 一直是大家关注的焦点, 而 NPU 在一旁则显得有些尴尬. 然而有的人觉得 NPU 就基本打酱油的, 也有人觉得 NPU 是 M1 强大且与众不同的关键模块. 这两种说法都不全对, 今天就来解析下 NPU 在 Mac 和 iPhone 的使用场景中发挥了什么作用, 其中哪些可以对我们日常生活和工作带来显著的效率提升.
一家美国大学研究机构在一份关于AI芯片的研究报告中提出，美国要保持长期的国家安全和高科技领先地位，就要在AI领域战胜其最大的竞争对手——中国。在AI的三大要素（算法、数据和算力）中，算法和数据都是难以控制的，唯有通过硬件提供的算力（即AI芯片）可以牵制中国，因为AI芯片的设计需要最先进的EDA工具，制造则需要最先进的晶圆工艺。高性能微处理器IP、复杂EDA工具、先进晶圆工艺，以及最尖端的半导体制造设备，都有可能成为美国限制中国发展AI和提升未来竞争力的“卡脖子”武器。
对国产AI芯片厂商调研分析报告或其它Fabless行业分析报告感兴趣的读者，可以免费在线申请完整版PDF报告：Fabless100系列行业分析报告免费下载申请！
除了国家战略意义外，AI芯片还要遵循半导体的经济规模效益规律，以及面对竞争激烈的市场考验。跟面向通用计算的GPU不同，基于特定域架构的专用AI芯片在设计规划之前就必须明确其目标用户和特定的应用场景。无论面向云端训练和推理的高性能AI芯片，还是针对边缘计算和智能终端的高效能AI芯片，都必须考虑最优化的微处理器内核、最合适的EDA设计工具，以及性能和效益实现最佳匹配的工艺技术和晶圆制造代工伙伴。
有实力在云端训练和推理市场竞争的国产AI芯片厂商毕竟为数不多，但新兴的多样化AI应用场景为国产AI芯片带来了巨大市场机会。在ADAS/自动驾驶、智能安防、AIoT和可穿戴设备等碎片化市场，国产AI芯片厂商与全球厂商站在同一起跑线上。如何应对AI芯片的设计挑战，同时把握新兴的AI应用市场机遇？
点击下面的链接观看Arm微处理器内核IP供应商安谋科技产品总监杨磊、全流程国产EDA初创公司合见工软数字验证解决方案高级总监唐进及产品市场总监戴维，以及领先的国产AI芯片设计公司瀚博半导体工程研发副总裁杨勤富分享AI芯片的设计难题及应对方案，并探讨如何把握各个细分领域的AI应用商机。
