人工智能將推動新一輪計算革命。深度學習需要海量數據并行運算，傳統計算架構無法支撐深度學習的大規模并行計算需求。因此，深度學習需要更適應此類算法的新的底層硬件來加速計算過程。目前主要的方式是使用已有的GPU、FPGA 等通用芯片。GPU 因其并行計算優勢最先被引入深度學習，全球可編程圖形處理技術的領軍企業英偉達借此已開始打造新的計算平臺，而全球IT 巨頭爭相開源深度學習平臺更加快了產業應用生態的形成。
人工智能芯片發展路線圖：人工智能芯片設計的目的是從加速深度學習算法到希望從底層結構模擬人腦來更好實現智能。目前人工智能芯片涵蓋了三個階段：（1）基于FPGA 的半定制、（2）針對深度學習算法的全定制、（3）類腦計算芯片。
人工智能定制芯片是必然趨勢：1、定制芯片的性能提升非常明顯，這種性能的飛速提升對于人工智能的發展意義重大；2、人工智能時代的市場空間將不僅僅局限于計算機、手機等傳統計算平臺，核心芯片需求量將數十倍于智能手機下游需求量；3、通過算法切入人工智能領域的公司希望通過芯片化、產品化來盈利。
核心芯片是人工智能時代的戰略制高點。在PC 時代和移動互聯網時代分別處于霸主地位的X86 架構和ARM 架構的發展歷程表明，1、核心芯片決定了一個新的計算平臺的基礎架構和發展生態；2、新的計算時代來臨之時往往是新興企業彎道超車的絕佳機遇；3、目前使用的GPU、FPGA 均非人工智能定制芯片，天然存在局限性，人工智能專用芯片對于IT 巨頭和初創企業是同一起跑線的藍海。
