在人工智能應(yīng)用中，處理大量計(jì)算任務(wù)的模塊被廣泛使用。CPU負(fù)責(zé)其他非計(jì)算任務(wù)。人工智能推動了計(jì)算領(lǐng)域的新一輪革命，深度學(xué)習(xí)需要進(jìn)行海量數(shù)據(jù)的并行計(jì)算，然而傳統(tǒng)的計(jì)算架構(gòu)無法滿足深度學(xué)習(xí)中大規(guī)模的并行計(jì)算需求。因此，為了加速計(jì)算過程，深度學(xué)習(xí)需要適應(yīng)新的底層硬件，以更好地支持此類算法。為了響應(yīng)人工智能和深度學(xué)習(xí)的需求，人們對芯片的速度和能耗提出了更高的要求。目前，使用的GPU和FPGA等不是專門為人工智能定制的芯片，它們存在天然的局限性。除了廣受歡迎的GPU之外，也出現(xiàn)了許多典型的人工智能專用芯片，以滿足不同應(yīng)用場景的需求。