人工智能無處不在，但是普通的CPU并不是該技術的有效平臺。只有采用專為2020年代AI工作負載而設計的新型微處理器，才能提高效率。

人工智能(AI)的日益普及正在升級許多標準類型的IT工作負載，并為由高級算法數(shù)據(jù)處理和機器學習技術驅(qū)動的新服務提供支持。但是，標準微處理器的局限性限制了AI系統(tǒng)的開發(fā)人員。

領先的AI應用程序需要超級計算機類的計算資源才能產(chǎn)生所需的輸出。缺點是它們通常在大量并行工作的多用途中央處理單元(CPU)上運行，但并未針對AI需要最佳執(zhí)行的特定處理功能進行優(yōu)化。

最近，圖形處理單元(GPU)已成為事實上的AI協(xié)處理器加速器。與具有四到八個復雜內(nèi)核的常規(guī)CPU旨在按順序處理計算(即使當他們有多個內(nèi)核要卸載工作時)不同，GPU具有更簡單的內(nèi)核-數(shù)百個甚至數(shù)千個帶有專用VRAM內(nèi)存，因此擅長處理統(tǒng)計計算(即浮點算術)和漸進式機器學習應用程序所需的大規(guī)模并行處理。

這些屬性為GPU供應商提供了極大的優(yōu)勢，尤其是Nvidia，該公司利用對AI優(yōu)化的GPU的需求來確立市場領導地位。該公司將繼續(xù)為有益于AI工作負載的數(shù)據(jù)流開發(fā)更多的連接功能。GPU也是批量生產(chǎn)的，這有助于使它們更便宜。但是，GPU設計雖然可以使用，但并不是從考慮AI的目的開始的。

AI系統(tǒng)開發(fā)人員所尋找的是專門針對AI工作而設計和優(yōu)化的新型處理器，具有內(nèi)置并行機制的多核處理器，能夠?qū)崟r，對大型數(shù)據(jù)集進行智能分析的所有處理器，并且都在高度本地化的緊密架構上進行與位于同一地點的處理器聯(lián)網(wǎng)，以便可以在它們之間以接近零的延遲傳輸數(shù)據(jù)，這將有助于降低能耗。特定于AI的芯片有時被歸類為“ AI加速器”。

迄今為止生產(chǎn)的AI芯片不符合行業(yè)標準，但通常是基于許多核的設計，并且通常將重點放在低精度算術，新穎的數(shù)據(jù)流體系結構或內(nèi)存中的計算能力上。