当前，信息技术加速发展，社会需求飞速变革，云计算、大数据、深度学习算法突破带动图像识别、语音识别、自然语言处理等智能技术长足进步，智能终端、智能医疗、智能机器人等智能应用日益深入大众生活。以芯片为代表的人工智能基础产业快速发展。

　　当前人工智能芯片主要分两大体系：冯诺依曼体系和非冯诺依曼体系。冯诺依曼体系以五大架构芯片为代表：CPU通用性最强、但效率最低；GPU通用性次之、速度快，但是在神经网络推断阶段效率低；DSP速度快、效率低、功能单一，目前仅作为处理器IP核使用；FPGA能耗低、可编程迭代，价格高； ASIC芯片专用性最强、性能最高、价格昂贵。非冯诺依曼体系，以IBM TrueNorth芯片为代表，采用人脑神经元的结构来提升计算能力。但目前还处于实验室阶段，真正产业化还需要搭建生态系统，包括模拟器、编程语言、集成式编程环境、算法和应用库等工具。当前人工智能芯片沿着从通用到专用的方向不断演进。

　　国际巨头正在人工智能芯片领域展开激烈竞争。一方面，传统的芯片巨头如英伟达、英特尔、ARM等公司纷纷发布面向AI和机器学习的处理器，另一方面，美国互联网龙头企业如谷歌、苹果、脸书、亚马逊纷纷加入芯片竞争。未来主导芯片的产业生态系统有可能出现变革，类似谷歌、亚马逊这样的AI巨头，重整生态，用云服务来挤压底层硬件供应商的战略布局已经很明显。如谷歌推出的TPU（张量处理单元）是为机器学习定制的专用芯片(ASIC)，专为深度学习框架TensorFlow而设计。TPU3.0采用8位低精度计算以节省晶体管，比2017年的TPU 2.0性能提升八倍。微软基于FPGA的Brainwave平台以及脸书的PyTorch 1.0软件和硬件都与谷歌竞争，希望与Tensorflow+TPU进行抗衡。

　　目前，我国人工智能芯片完全依赖进口。在传统的桌面通用计算处理器(CPU)方面我国一直基础较差；在图形图像处理芯片（GPU）方面，美国企业处于绝对领先地位，专利布局众多，中国企业进入的难度较大。在移动芯片方面，华为海思、展讯等借助ARM架构的授权模式，降低了门槛，在商业市场取得成功，以美国为代表的发达国家以产品禁运、阻挠并购等方式对中国的实际干预也越来越多。

　　这并不代表中国在人工智能芯片上就毫无机会。中星微、地平线、深鉴科技等企业研发不同架构的人工智能处理器芯片，百度发布全功能昆仑芯片，阿里巴巴等公司也在积极布局研发。中国在人工智能芯片学术研究上起步早，如中科院寒武纪芯片在2014年—2016年间在深度学习处理器指令集上获得创新进展，在2016年国际计算机体系结构年会中，约六分之一的论文引用寒武纪开展神经网络处理器研究。2016年寒武纪以IP指令集授权的方式获得市场订单，瞄准高性能服务器、高能效终端芯片、机器人芯片三大领域，积极抢位。