目前，人工智能已经成了科技圈里最大的热门。而随着人工智能与AI的开发，处理数据的芯片及芯片的算力就变得更加惹人瞩目起来。
当前，人工智能的开发方大多会选择适合的GPU、CPU以及GPU、CPU混合架构来进行AI计算。最常见也需求量最大的则是图形处理器GPU。
那么，在人工智能与AI的开发中还有没有更多的芯片选择呢？这看来是个值得聊聊的事。
当下，各家有志于人工智能及AI领域的大厂们都在抢购GPU，似乎GPU成为了AI的“偏爱”。
不过，图形处理器的GPU虽然并行算力能力很强，与CPU（中央处理器）相比GPU可以同时处理更多的任务，让GPU在处理大量数据和复杂计算时比CPU更加高效。但是它也有功耗高，体积大，价格贵的问题。
而作为计算机主核心的中央处理器CPU，其强项是管理和调度。CPU的任务非常复杂，既要应对不同类型的数据计算，还要响应人机交互。真正在处理大量数据和复杂计算时，反而不强。
可真要说起来，GPU和CPU还算是通用性的算力芯片。只是目前在进行AI计算方面有着很高的适应性。
但通用的肯定是比不上专用的。而在用户对算力性能的要求越来越高且算力的使用场景开始细分后，通用的算力芯片已经变得有些无法满足用户更高的需求了。
AI领域也有专用芯片于是，越来越多的企业开始加强对专用计算芯片的研发。而ASIC（Application Specific Integrated Circuit，专用集成电路）就是一种专用于特定任务的芯片。
简单来说，ASIC就是指按用户的需求或特定电子系统的需要，专门设计、制造的集成电路芯片。
例如，Google公司开发的TPU，就是一种ASIC芯片。
在2015年，为了更好地提升AI算力来完成深度学习任务，Google开发出了一款专门用于神经网络训练的芯片，也就是TPU v1。
相比传统的CPU和GPU，在神经网络计算方面TPU v1可以获得15-30倍的性能提升，能效提升更是达到30-80倍。
其后，在2017年和2018年，Google又推出了用于AI训练和推理方面能力更强的TPU v2和TPU v3。
在2021年，Google还有采用7nm工艺，性能相较上代提升了10倍，比英伟达的A100还强1.7倍的TPU第四代产品TPU v4。
这种专用与AI训练和推理的ASIC芯片出现，给行业带来了很大震动。
当然除了Google公司开发的TPU芯片之外，也还有几种ASIC芯片。
例如，数据处理单元（Data Processing Unit）DPU，就是主要用于数据中心的专用算力芯片。
这种ASIC芯片主要用于数据中心、云计算这种大规模算力场景。其主要作用是提升数据中心等算力基础设施的效率，减少能耗浪费，进而降低成本。
在AI开发方面还有一种在电路层模拟人类神经元和突触，用深度学习指令集来处理数据的神经网络处理单元（Neural Processing Unit）NPU。
NPU也是一种专用于特定任务的芯片，专门用于神经网络推理，能够实现高效的卷积、池化等操作。
有意思的是，在比特币盛行的时期，有些厂商也开发出矿机专用的算力芯片。
这种芯片其实也是一种ASIC芯片。相比与基于用GPU、CPU芯片制造的矿机芯片，专用ASIC的芯片在挖矿计算时算力更强，效率更高，能耗更低。
开发门槛很有些高不得不说，定制专用的算力芯片在性能方面肯定都会比通用芯片（CPU、GPU）更强。这类芯片的可靠性、保密性、算力、能效都很强，也还可以实现极致的体积、功耗。
不过问题也就来了。专用的芯片虽然能力、性能等多方面都要强过通用性芯片。但在研发、设计方面的门槛也相当高。
对芯片进行定制设计，对一家芯片厂商的研发技术水平要求极高，且耗资极为巨大。
而想要开发做一款ASIC芯片，除了要经过代码设计、综合、后端等复杂的前期研发设计流程，还得要再经过一段时间的生产加工以及封装测试，也就是试生产才能拿到芯片成品。拿到芯片成品之后，还得需要芯片来搭建系统测试，验证是否能达到预计设计要求。
一旦这些流程的出现状况，导致试生产的芯片达不到预计设计要求，这次设计开发可就算失败了。一切的研发所花费的成本都算是打了水漂。
据说，不算前期的开发设计环节，仅14nm工艺芯片的一次试生产就需要300万美元左右。而5nm工艺，更是高达4725万美元。
这样巨大的开发成本，一般的小公司可真有点玩不起。所以，目前有能力进行ASIC芯片开发的企业都是行业类的巨头企业。
进入到数字时代，在数字浪潮下各行各业都对算力的需求已经开始变得越来越大。特别是人工智能应用的走向普及则进一步加大了对算力的需求强度。
这么一来，在人工智能与AI的开发及应用中是GPU和CPU这种通用性算力芯片好用，还是专用于AI算力的ASIC芯片更适用？这个问题的答案应该会快要见分晓了。
那么，今后在人工智能与AI的开发里会不会有更多的专用与AI的ASIC芯片出现来取代GPU、CPU呢？这可就很值得一看。
