大家好，今天继续讲述关于人工智能学习的基础篇。

（1）AI芯片

AI芯片是专用于处理人工智能计算任务的硬件模块，广义涵盖各类AI应用芯片，狭义指针对深度学习优化的加速芯片，主要类型包括GPU、FPGA和ASIC。其核心功能为高效执行数据训练与推理任务，代表产品包括百度昆仑芯片、谷歌TPU等。

华为海思

海思是2004年注册成立实体公司。前身为华为集成电路设计中心，1991年启动集成电路设计及研发业务。根据Bernstein Research 2025年发布的预测报告，到2026年华为海思将占据中国AI芯片市场50%的份额，成为该领域主导者。

依图科技

依图科技是一家人工智能公司，以人工智能芯片技术和算法技术为核心，成立2012年。

云天励飞

成立2014年8月，作为业内领先人工智能企业，打造一系列面向数字城市和人居生活产品和解决方案。

地平线

成立2015年6月，致力于成为边缘人工智能芯片全球领导者。

寒武纪

成立2016年3月，致力于打造人工智能领域核心处理器芯片。根据Bernstein Research预测，寒武纪预计将在2026年以第三位的市场占有率成为中国AI芯片市场重要竞争主体 。

平头哥

成立于2018年9月，是阿里巴巴全资半导体芯片业务主体。

摩尔线程

摩尔线程于2025年12月5日在A股上市，首日股价高开468%，总市值达2775.94亿元。 

公司专注于GPU及相关产品的研发、设计和销售。 

本次IPO募集资金近80亿元，重点用于新一代自主可控AI训推一体芯片、图形芯片及AISoC芯片研发，同时补充流动资金以支持长期技术攻坚。

GPU

图形处理器（Graphics processing unit）,在计算方面具有高效并行性。由于图像处理GPU芯片因海量数据并行运算能力，被最先引入深度学习。2025年11月，马斯克旗下xAI公司获150亿美元融资，其中大部分资金被披露将用于采购GPU集群以支撑其大型语言模型训练。

FPGA

现场可编程门阵列（Field programmable gate array）,是一种集成大量基本门电路及存储器芯片，最大特点为可编程。具有能耗优势明显，低延时和高吞吐特性

ASIC

专用集成电路（Application specific integrated circuit,特定应用集成电路），是专用定制芯片，为实现特定要求而定制芯片。例如谷歌推出的TPU芯片通过优化架构实现了训练速度与能效比的突破。除不能扩展应用以外，在功耗、可靠性、体积方面都有优势。

（2）人工智能(AI)加速器芯片

人工智能(AI)加速器芯片（又称“AI芯片”）是专为加速人工智能/机器学习计算而设计的微电子硬件设备，属于国防技术范畴 。其核心功能涵盖语音识别、视频检测、自动驾驶及数据中心等场景，芯片类型包含GPU、TPU、FPGA、ASIC等多种架构 。应用领域覆盖无人机系统高保真计算机视觉、头戴式显示器实时翻译等边缘计算场景。

该芯片通过平衡能效与模型灵活性实现技术突破，材料与设计层面的创新持续推进，例如台积电2nm工艺显著提升晶体管密度。美国《芯片与科学法》反映出半导体领域的地缘竞争态势 。未来技术方向聚焦神经形态设计，通过模拟人脑神经元工作机制实现低功耗运行。存算一体（CIM）技术通过自适应量化方案显著降低模数转换器能耗，HBM4E作为新一代高带宽存储器预计在2027年占据40%市场份额。

AI发展的速度可能取决于新的芯片材料和设计。例如，HBM4E作为新一代高带宽存储器，其定制化设计要求DRAM厂商具备快速响应客户需求的工艺能力，直接影响AI加速器的性能优化进程。目前三星与SK海力士计划于2026年完成HBM4E的开发，其中三星采用自研代工模式，SK海力士则与台积电合作。 此外，地缘政治紧张局势也会和芯片制造行业互相影响，美国《芯片与科学法》反映出半导体领域的地缘竞争态势。

存算一体（CIM）技术通过自适应量化方案显著降低模数转换器能耗，2025年香港大学团队基于忆阻器的设计方案使系统总能耗降低57.2%。

在短期内，边缘应用可能会发生重大变革，例如无人机系统上的高保真计算机视觉等。根据行业预测，搭载HBM4E的AI加速器将于2027年上市，该产品预计占据约40%市场份额，其通过基础裸片的定制设计显著降低延迟的特性，将推动大语言模型在边缘设备的部署。 最终，随着芯片变得越来越“类似大脑”，芯片的能力将开始与人类大脑相匹敌，甚至高度复杂的模型如大语言模型，有朝一日也可以在小尺寸、低重量和低功耗的设备上运行。

今天就讲这些，下篇文章见。