傳統(tǒng)的架構(gòu)：基于馮.諾依曼架構(gòu)的FPGA（現(xiàn)場(chǎng)可編程門陣列）和ASIC（專用集成電路）芯片。FPGA和ASIC芯片不管是研發(fā)還是應(yīng)用，都已經(jīng)形成了一定生產(chǎn)、應(yīng)用規(guī)模。而類腦芯片雖然還處于研究初期，但未來(lái)具備很大潛力，可能在未來(lái)成為人工智能行業(yè)的主流。

現(xiàn)在的電腦，采用的都是馮·諾依曼架構(gòu)。它的核心架構(gòu)就是處理器和存儲(chǔ)器是分開布局的，所以CPU（中央處理器）和內(nèi)存條沒有集成在一起，只是在CPU中設(shè)置了容量極小的高速緩存。而類人腦架構(gòu)，是模仿人腦神經(jīng)系統(tǒng)模型的結(jié)構(gòu)，人腦中的神經(jīng)元既是控制系統(tǒng)，同時(shí)又是存儲(chǔ)系統(tǒng)。

因此CPU、內(nèi)存條、總線、南北橋等等，最終都必將集成在一起，形成類人腦的巨大芯片組，至于發(fā)熱問題，內(nèi)存條微型化問題，人類最終會(huì)找到解決方法。

1、通用芯片（GPU）。GPU是單指令、多數(shù)據(jù)處理，采用數(shù)量眾多的計(jì)算單元和超長(zhǎng)的流水線，主要處理圖像領(lǐng)域的運(yùn)算加速。GPU是不能單獨(dú)使用的，它只是處理大數(shù)據(jù)計(jì)算時(shí)的能手，必須由CPU進(jìn)行調(diào)用，下達(dá)指令才能工作。

但CPU可單獨(dú)作用，處理復(fù)雜的邏輯運(yùn)算和不同的數(shù)據(jù)類型，但當(dāng)需要處理大數(shù)據(jù)計(jì)算時(shí)，則可調(diào)用GPU進(jìn)行并行計(jì)算。

2、半定制化芯片（FPGA）。FPGA適用于多指令，單數(shù)據(jù)流的分析，與GPU相反，因此常用于預(yù)測(cè)階段，如云端。FPGA是用硬件實(shí)現(xiàn)軟件算法，因此在實(shí)現(xiàn)復(fù)雜算法方面有一定的難度，缺點(diǎn)是價(jià)格比較高。

3、全定制化芯片（ASIC）。ASIC是為實(shí)現(xiàn)特定場(chǎng)景應(yīng)用要求時(shí)，而定制的專用AI芯片。除了不能擴(kuò)展以外，在功耗、可靠性、體積方面都有優(yōu)勢(shì)，尤其在高性能、低功耗的移動(dòng)設(shè)備端。

4、類腦芯片，類腦芯片架構(gòu)是一款模擬人腦的神經(jīng)網(wǎng)絡(luò)模型的新型芯片編程架構(gòu)，這一系統(tǒng)可以模擬人腦功能進(jìn)行感知方式、行為方式和思維方式。

有人說(shuō)，ASIC是人工智能芯片的一個(gè)主要發(fā)展方向，但真正的人工智能芯片未來(lái)發(fā)展的方向是類腦芯片。類腦芯片研究是非常艱難的，IBM、高通、英特爾等公司的芯片策略都是用硬件來(lái)模仿人腦的神經(jīng)突觸。GPU未來(lái)的應(yīng)用方向是高級(jí)復(fù)雜算法和通用性人工智能平臺(tái)，買來(lái)就能使用。

FPGA更適用于各種具體的行業(yè)，人工智能會(huì)應(yīng)用到各個(gè)具體領(lǐng)域。ASIC芯片是全定制芯片。因?yàn)樗惴◤?fù)雜度越強(qiáng)，越需要一套專用的芯片架構(gòu)與其進(jìn)行對(duì)應(yīng)。定制就是當(dāng)客戶處在某一特殊場(chǎng)景時(shí)，可以為其獨(dú)立設(shè)計(jì)一套專業(yè)智能算法軟件。而ASIC基于人工智能算法進(jìn)行獨(dú)立定制，其發(fā)展前景看好。類腦芯片是人工智能最終的發(fā)展模式，但是離產(chǎn)業(yè)化還很遙遠(yuǎn)。