教育新闻网人工智能无处不在，但是普通的CPU并不是该技术的有效平台。只有采用专为2020年代AI工作负载而设计的新型微处理器，才能提高效率。
人工智能(AI)的日益普及正在升级许多标准类型的IT工作负载，并为由高级算法数据处理和机器学习技术驱动的新服务提供支持。但是，标准微处理器的局限性限制了AI系统的开发人员。
领先的AI应用程序需要超级计算机类的计算资源才能产生所需的输出。缺点是它们通常在大量并行工作的多用途中央处理单元(CPU)上运行，但并未针对AI需要最佳执行的特定处理功能进行优化。
最近，图形处理单元(GPU)已成为事实上的AI协处理器加速器。与具有四到八个复杂内核的常规CPU旨在按顺序处理计算(即使当他们有多个内核要卸载工作时)不同，GPU具有更简单的内核-数百个甚至数千个带有专用VRAM内存，因此擅长处理统计计算(即浮点算术)和渐进式机器学习应用程序所需的大规模并行处理。
这些属性为GPU供应商提供了极大的优势，尤其是Nvidia，该公司利用对AI优化的GPU的需求来确立市场领导地位。该公司将继续为有益于AI工作负载的数据流开发更多的连接功能。GPU也是批量生产的，这有助于使它们更便宜。但是，GPU设计虽然可以使用，但并不是从考虑AI的目的开始的。
AI系统开发人员所寻找的是专门针对AI工作而设计和优化的新型处理器，具有内置并行机制的多核处理器，能够实时，对大型数据集进行智能分析的所有处理器，并且都在高度本地化的紧密架构上进行与位于同一地点的处理器联网，以便可以在它们之间以接近零的延迟传输数据，这将有助于降低能耗。特定于AI的芯片有时被归类为“ AI加速器”。
迄今为止生产的AI芯片不符合行业标准，但通常是基于许多核的设计，并且通常将重点放在低精度算术，新颖的数据流体系结构或内存中的计算能力上。
