由 dawei 随着人工智能、5G、云计算、自动驾驶等技术的不断发展，海量数据都将会源源不断的产生。为了对海量的数据进行处理，基于传统CPU的计算结构已经很难满足需求了，我们需要更强大的硬件和芯片来更好更快地完成这些工作，同时我们也需要更智能的算法和模型来进行数据的分析和处理。基于当下的种种需求，各种各样的芯片由此诞生。
首先CPU，它是数据中心里的重要计算单元。CPU最大的优势是它的灵活性和同构性，大部分数据中心的各种软硬件基础设施都是围绕CPU设计建设的。同时为了更好的支持各种人工智能应用，传统CPU的结构和指令集也在不断迭代和变化。比如英特尔最新的XEON可扩展处理器，就引入了深度学习加速技术，但是和其他三类芯片相比，CPU的AI性能还有一定的差距
GPU非常适合对数据密集型的应用进行计算和处理，比如深度学习的训练过程。GPU的性能会比CPU高几十倍甚至上千倍，另一个优势是GPU有着比较成熟的编程框架，比如CUDA，OpenCL等，这是GPU在AI领域得到爆发的最直接因素之一，也是GPU最大优势之一。
但是GPU最大的问题是功耗，比如，英伟达的P100、V100和A100 GPU的功耗都在250W到400W之间。相比于FPGA或ASIC的几十瓦甚至几瓦的功耗而言，这个数字显得过于惊人了。