人工智能是21世纪无人驾驶汽车，无人机，机器人技术和许多其他领域的基础。基于硬件的加速对于这些以及其他基于AI的解决方案有效地完成其工作至关重要。

专用硬件平台是AI，机器学习(ML)和深度学习在各个层次以及我们所生活的云到边缘世界中每个任务的未来。

如果没有经过AI优化的芯片组，诸如多因素身份验证，计算机视觉，面部识别，语音识别，自然语言处理，数字助理等应用程序将非常缓慢，甚至可能毫无用处。人工智能市场需要用于生产中的人工智能应用程序和研发界的硬件加速器，而这些研发人员仍在研究推动所有高级应用程序所依赖的认知计算基础发展所需的基础模拟器，算法和电路优化任务。

不同的芯片架构应对不同的AI挑战

主导的AI芯片架构包括图形处理单元，张量处理单元，中央处理单元，现场可编程门阵列和专用集成电路。

但是，没有一种“一刀切”的芯片可以满足广泛的使用案例和AI领域的惊人进步。同样，没有一种硬件基板可以满足AI的生产用例和更新的AI方法和计算基板开发中各种研究需求。例如，请参阅我最近发表的有关研究人员如何将量子计算平台用于实际ML应用以及开发复杂的新量子体系结构以处理各种复杂的AI工作负载的文章。

为了满足各种新兴需求，AI加速器芯片组的供应商在建立全面的产品组合时面临着巨大的挑战。为了推动AI革命，他们的解决方案组合必须能够做到以下几点：

在跨边缘设备，集线器/网关节点和云层的多层体系结构中执行AI模型。

当部署在边缘设备上时，处理实时本地AI推理，自适应本地学习和联合培训工作负载。

将各种AI加速器芯片组架构整合到集成系统中，这些集成系统从云到边缘以及在每个节点内无缝地协同工作。