人工智能芯片到目前为止还没有一个准确的定义，广义的讲，满足人工智能应用需求的芯片都可以称之为人工智能芯片。其实目前大部分的人工智能应用场景下，我们还是使用GPU、FPGA等已有的适合并行计算的通用芯片来实现人工智能算法。但是回顾计算芯片发展史，新的计算模式一般都会催生新的专用计算芯片，因此在未来，人工智能专用芯片将会是发展的大方向，并且将会对传统计算架构产生颠覆性变革。
人工智能芯片发展可分为三个通道：
第一是基于GPU、FPGA等通用芯片的半定制方案。传统计算芯片在医疗、生命科学、能源、金融服务、汽车、制造业以及娱乐业等多领域有着广泛的深度学习应用。
第二是针对深度学习算法的专用芯片。GPU、FPGA等通用芯片虽然适用于大规模并行计算，但是也天然存在性能、功耗等方面的瓶颈，专用芯片是必然要求。中国的寒武纪深度学习处理器芯片通过设计专门的指令集、微结构、人工神经元电路、存储层次，有可能在3~5年内将深度学习模型的智能处理效率提升万倍。
第三是类脑计算芯片，这个领域不再仅仅局限于加速深度学习算法，也不仅仅局限于在特定场景下实现人工智能，而是在芯片基本结构甚至器件层面上希望能够开发出新的非冯诺依曼计算机模型和体系结构，去解决通用智能计算的问题。类脑芯片商业化距还有一定距离，但是长期却最有可能会带来计算体系革命的选择。
国内人工智能芯片企业列表
