半导体是数字时代的基础技术。它给硅谷起了个名字。它是过去半个世纪改变了社会各个方面的计算机革命的核心。

自从英特尔在1971年推出世界上第一个微处理器以来，计算能力的提高步伐令人叹为观止，而且不懈。根据摩尔定律，当今的计算机芯片比50年前的功能强大了数百万倍。

然而，尽管数十年来处理能力飞速增长，但直到最近，计算机芯片的基本体系结构仍基本上保持静态。在大多数情况下，硅的创新需要进一步使晶体管小型化，以便将更多晶体管压缩到集成电路中。几十年来，英特尔和AMD等公司通过可靠地提高CPU性能而取得了长足发展，克莱顿·克里斯滕森(Clayton Christensen)将其视为“持续创新”。

今天，这种情况正在以戏剧性的方式改变。AI迎来了半导体创新的新黄金时代。数十年来，机器学习的独特需求和无限的机会第一次激发了企业家重新思考和重新思考芯片架构的最基本原则。在计算的大部分历史中，主要的芯片体系结构一直是CPU或中央处理器。如今，CPU无处不在：它们为笔记本电脑，移动设备和大多数数据中心供电。

1945年，传奇的约翰·冯·诺伊曼(John von Neumann)设计了CPU的基本体系结构。值得注意的是，此后其设计基本上保持不变：今天生产的大多数计算机仍是冯·诺依曼机器。

CPU在用例中的优势是其灵活性的结果：CPU是通用计算机，能够有效执行软件所需的任何计算。但是，尽管CPU的主要优势是多功能性，但是当今领先的AI技术需要非常特殊且密集的一组计算。

深度学习需要迭代执行数百万或数十亿个相对简单的乘法和加法步骤。在接地的线性代数，深学习是根本试错误基于：参数微调，矩阵相乘，和附图被求和一遍一遍整个神经网络作为模型逐渐本身优化。

这种重复的，计算量大的工作流程对硬件体系结构具有一些重要意义。并行化(处理器能够同时而不是一个接一个地执行许多计算的能力)变得至关重要。与此相关的是，由于深度学习涉及大量数据的连续转换，因此将芯片的内存和计算核心尽可能靠近地放置，可以通过减少数据移动来获得巨大的速度和效率。