隨著AlphaGo的誕生，“深度學習”日益普及，人工智能開始從智能化工具向智能機器進軍。原有的MCU已無法滿足深度學習的高速海量數據運算要求，AI芯片便應運而生。如今嵌入式芯片領域正面臨AI芯片的新一輪機遇。

有的人認為不存在AI芯片，可能認為AI芯片只是原有嵌入式處理器的功能擴展而已。殊不知隨著嵌入式處理器的功能不斷外延，已從量變產生了質變。自從人工智能進入機器的深度學習時代，原有MCU的硬件加速已無法滿足高速海量數值計算要求，以及大數據的云間交互要求。這樣一來，在嵌入式領域便出現了MCU與AI芯片兩個有本質差異的芯片群。前者是滿足工具智能化的智能控制芯片（以控制見長）；后者是滿足智能機器深度學習的計算芯片（以計算見長）。

未來，在人工智領域會逐漸形成智能化工具與智能機器兩大領域。目前，智能化工具領域業已成熟，智能機器領域依托AI芯片、神經網絡、深度學習、云際交互逐漸向強人工智能領域進發。當前，AI芯片形式多樣，屬于初級發展階段，盡管有些概念尚可商榷，但原有的各種嵌入式處理器的概念已無法沿襲，“AI芯片”可能會約定俗成。

自從人工智能進入機器的深度學習時代，原有MCU的硬件加速已無法滿足高速海量數值計算要求，以及大數據的云間交互要求。隨著嵌入式處理器的功能不斷外延，已從量變產生了質變。

在嵌入式領域便出現了MCU與AI芯片兩個有本質差異的芯片群。前者是滿足工具智能化的智能控制芯片（以控制見長）；后者是滿足智能機器深度學習的計算芯片（以計算見長）。未來，在人工智領域會逐漸形成智能化工具與智能機器兩大領域。

業內專家何立民教授認為“AI芯片”值得關注！針對此問題，何教授有自己的看法：“AI芯片”的確存在，其概念不僅被廣泛應用，也無法用其它的概念，如MCU、MPU等概念所替代。

目前，智能化工具領域業已成熟，智能機器領域依托AI芯片、神經網絡、深度學習、云際交互逐漸向強人工智能領域進發。而AI芯片形式多樣，屬初級發展階段，盡管有些概念尚可商榷，但原有的各種嵌入式處理器的概念已無法沿襲，“AI芯片”可能會約定式俗。

以人臉識別為例，用于門禁的實時人臉識別，也許可以用MCU+圖形加速器方案。但要從眾多人群中實時識別特定的人臉，就要引入深度學習，不斷提高其識別能力；為了與眾多人臉對比，還要與云端大數據交互，無論多么高明的MCU都無法承擔如此重任。也許“深度學習”、“云端交互”是AI芯片的兩大重要特征。

在IEEE協會首次在京舉辦研討會上，王飛躍教授直言，我不認為現在有所謂的人工智能芯片。德國馬格德堡大學教授安德烈·紐倫堡（Andreas Nuernberger）補充道：“我同意沒有人工智能芯片這一說法。現在芯片的發展加速了深度學習的過程，之前在圖像方面也有這種深度學習，你現在把它們稱作為人工智能的芯片，但這是出于某種特定的目的而生產的產品。我覺得現在物聯網可以讓過程變得更加可靠，可以確保這些網絡和硬件的反應速度更快、更加可靠、更有活力。我覺得這些是智能硬件的現實世界，但是他們的代價很高，因為你需要更加復雜的基礎設施，更多的技術，這和之前是不同的。”

目前AI芯片領域競爭激烈，也許一時難以形式統一的結構體系，但逐步完善后，作為嵌入式領域中的又一新兵，在人工智能領域與MCU相互補充、各盡其職。既不可相互替代，又有不同的技術發展方向。MCU與AI處理器用在不同領域，兩者都有巨大的發展潛力。