人工智能之所以能崛起，依赖的不外乎两个方面：一方面是模仿人脑建立的数学模型和算法;另一方面是集成电路硬件技术的发展。我们也可以直接把后者理解为：芯片。

回望人工智能发展历程，AI技术主要得益于算法、数据和计算能力三方面的突破。芯片为复杂的计算任务提供了有力的支撑，也是算力的保障。

以ChatGPT为例：

ChatGPT的总算力消耗约为3640PF-days(即假如每秒计算一千万亿次，需要计算3640天)，需要7-8个投资规模30亿、算力500P的数据中心才能支撑运行。

所以，ChatGPT对于强大算力的需求就等于对高端芯片的需求。

OpenAI CEO Sam Altman也曾表示，ChatGPT处理用户查询的每笔成本约为2美分，这是引入和使用英伟达AI芯片所需的成本。

图源：浙商证券股份有限公司 陈杭

我们常说AI芯片，但AI芯片并不是一个具体的芯片种类，更多的是指应用领域。为人工智能提供基础算力的芯片都可以称为AI芯片。目前市面上能作为AI芯片使用的芯片类型主要有4种。

第一种是CPU。CPU可以拿来执行AI算法，但是因为体系结构和逻辑限制，很难满足高吞吐量和低时延计算的要求。用于AI计算性价比较低。

第二种是GPU。诞生于英伟达的GPU最初确实主要应用于图形渲染，这是在后来科研和应用中逐渐用于AI计算领域。GPU拥有较强的并行推算能力，能够支撑强大的算力需求，目前主要用于加速。

第三种是FPGA。可对芯片硬件层进行灵活编译，且功耗远远小于CPU和GPU。

第四种是ASIC。主要是定制专用的AI芯片，可以在芯片架构和电路上进行优化，用来满足特定的应用需求。性能高、功耗低，但成本也较高。

要知道，AI的应用必须要跨过成本和性能的临界点，要足够低成本、低功耗、高效能。芯片是让AI从庙堂之高的云端服务走向更广泛行业的最优选。

相关推荐：

全球前十大IC设计公司最新排名公布!

反制时刻到!美半导体协会：不能缺席中国市场

集成电路产业丨盘点2023年北上广深重点IC项目