本文只是为了向大家普及（伪）目前AI领域处理器发展的概况，不涉及深度科普，不涉及学术争端，只为力求用最简单的语言告诉大家AI领域处理器百花齐放百家争鸣的市场格局，作者不才，文章肯定会有大量漏洞和不足，也引用部分网站部分资料，不用做任何商业用途，如有侵权，请联系作者删除，未经允许不得转载！

• 市场内主要玩家（部分):BAT/中科大/GAFA【G（Google）、A（Amazon）、F（Facebook）、A（Apple）】
• 市场内主要形式（部分）：FPGA/GPU/ASIC/CPU/GPU+CPU异构运算/量子/神经
• 市场内总结算力:在探索计算新模式上，英特尔划分为四个阶段：传统、深度学习、神经拟态计算、量子计算。传统模式就是我们编程，我们脑子会先对问题建立一个模型。用这个模型来编程，从而解决问题。深度学习则是当前最主流的做法。通过大量数据去学习，去训练出来模型。神经拟态计算不一样，它是模仿人的这种方式。量子计算则是它把大量的答案以叠加态的方式互相纠缠在一起。
• 市场内个主要形式简介：

1. 谷歌 TPU芯片——为深度机器学习而生。。。TPU，即谷歌的张量处理器。TPU是一款为机器学习而定制的芯片，经过了专门深度机器学习方面的训练，它有更高效能（每瓦计算能力）。大致上，相对于现在的处理器有7年的领先优势，宽容度更高，每秒在芯片中可以挤出更多的操作时间，使用更复杂和强大的机器学习模型。
   2月13日消息，谷歌日前正式在其博客中宣布，将以“有限数量”向谷歌云客户开放张量处理器（TensorProcessingUnit，简称TPU）服务。而且按时收费，每小时成本为6.50美元。
2. 百度 XPU芯片——力求找到FPGA和CPU之间的平衡点。。。XPU是一款256核、基于FPGA的云计算加速芯片，合作伙伴是赛思灵（Xilinx）。
   XPU的目标是在性能和效率之间实现平衡，并处理多样化的计算任务。FPGA加速器本身很擅长处理某些计算任务，但随着许多小内核交织在一起，多样性程度将会上升。FPGA是高效的，可以专注于特定计算任务，但缺乏可编程能力。传统CPU擅长通用计算任务，尤其是基于规则的计算任务，同时非常灵活。GPU瞄准了并行计算，因此有很强大的性能。XPU则关注计算密集型、基于规则的多样化计算任务，希望提高效率和性能，并带来类似CPU的灵活性
3. 谷歌/IBM/中科大&阿里 量子计算机——前途不可限量。。。量子计算机，顾名思义，就是实现量子计算的机器。是一种使用量子逻辑进行通用计算的设备。不同于电子计算机（或称传统电脑），量子计算用来存储数据的对象是量子比特，它使用量子算法来进行数据操作。严格意义上来说，量子计算机并不是AI方面计算机，只是对目前超算的一次伟大革新，但是他在未来商用之后也会给AI时代的海量数据计算带来更多可能。理论复杂原理繁琐，大家不用搞太懂，本帖也非科普性质，故不在此深究，有兴趣的伙伴可自行研究。
4. 各国 超级计算机——现在的支柱。。。本质上来说就是CPU的超级形态，大家也差不多明白，我国也常年蝉联世界超算第一桂冠，故不在此赘述。入选原因与上条一致。
5. Lightelligence 光学芯片——另辟蹊径。。。Lightelligence希望通过一种新兴的光子电路（Photonic Circuits）技术来加速信息处理，这种技术使用光子比而非电子进行计算，用光来传输信号，类似于光纤，但比电子电路更高效，延迟更低且有更高的吞量。 这项技术最初由MIT的科学家开发而来，而Lightelligence则是为将研究商业化而拆分出来的公司。 这家公司现在的想法是，使用光子电路来加速人工智能计算的效率。这家公司被百度投资，本质上来说，只要还有芯片集成电路板存在，这种东西就有可能在全面量子计算机时代到来之前帮我们提高现行计算机运算速度。
6. 中科大寒武纪 ASIC芯片——目前最成熟，商业化最早的AI芯片。。。寒武纪芯片属于ASIC芯片,是辅助华为手机CPU工作的,在一些需要大量重复计算的领域有更多的机会，例如照片和视频的处理，具体情况参考麒麟970芯片，能加快计算能力。
7. FPGA——行业发展热门之一。。。FPGA最初是从专用集成电路发展起来的半定制化的可编程电路，它无法像CPU一样灵活处理没有被编程过的指令，但是可以根据一个固定的模式来处理输入的数据然后输出，也就是说不同的编程数据在同一片FPGA可以产生不同的电路功能，灵活性及适应性很强，因此它可以作为一种用以实现特殊任务的可再编程芯片应用与机器学习中。
8. GPU——战术核武器。。。GPU针对密集的、高并行的计算，这正是图像渲染所需要的，因此 GPU 设计了更多的晶体管专用于数据处理，而非数据高速缓存和流控制。与CPU相比，GPU拥有更多的处理单元。GPU和CPU 上大部分面积都被缓存所占据有所不同，诸如GTX 200 GPU之类的核心内很大一部分面积都作为计算之用。如果用具体数据表示，大约估计在 CPU 上有 20%的晶体管是用作运算之用的，而（GTX 200）GPU 上有 80%的晶体管用作运算：GPU 的处理核心 SP 基于传统的处理器核心设计，能够进行整数，浮点计算，逻辑运算等操作，从硬体设计上看就是一种完全为多线程设计的处理核心，拥有复数的管线平台设计，完全胜任每线程处理单指令的工作。
9. GPU+CPU异构运算——用合适的工具做合适的事情。。。在 GPU 计算中 CPU 和 GPU 之间是相连的，而且是一个异构的计算环境。这就意味着应用程序当中，顺序执行这一部分的代码是在 CPU 里面进行执行的，而并行的也就是计算密集这一部分是在 GPU 里面进行。异构运算（heterogeneous computing）是通过使用计算机上的主要处理器，如CPU 以及 GPU 来让程序得到更高的运算性能。一般来说，CPU 由于在分支处理以及随机内存读取方面有优势，在处理串联工作方面较强。在另一方面，GPU 由于其特殊的核心设计，在处理大量有浮点运算的并行运算时候有着天然的优势。完全使用计算机性能实际上就是使用 CPU 来做串联工作，而 GPU 负责并行运算，异构运算就是“使用合适的工具做合适的事情”。
10. 英特尔 LOIHI芯片——过渡时期的产品。。。神经拟态计算芯片LOIHI 是将计算和存储在一起，会形成很多分布式的单元，而且是异步计算。LOIHI芯片内有很多网格，网格里有很多小的块，英特尔称为是一个核。在LOIHI每一个单芯片包含128个核，每一个核可以实现好多个神经元，每个神经元可以跟其他的神经元产生互相连接。

• 初次写就如此长文，各处漏洞和不足请各位多多海涵，这个帖子我就先写到这里了~
• 在此再次引用百度李厂长的一句话：人工智能将是照亮又一个新时代的火种，让我们大家在新的一年一同努力，“Create a new world together”（共同创造新世界）！
• 资料引用：
  1.http://www.sohu.com/a/221209949_119709
  2.http://www.eefocus.com/mcu-dsp/382169/r0
  3.http://www.eeworld.com.cn/manufacture/article_2017120820339.html
  4.http://www.dataguru.cn/article-11992-1.html
  5.http://www.eeworld.com.cn/manufacture/article_2017120820339.html