2017年人工智能AI芯片行业分析报告
中国人工智能(AI)行业市场现状及未来发展前景预测分析报告
中国人工智能（AI）行业市场现状及未来发展前景预测分析报告博研咨询&市场调研在线网中国人工智能（AI）行业市场现状及未来发展前景预测分析报告正文目录第一章、人工智能（AI）行业定义 (3)第二章、中国人工智能（AI）行业综述 (4)第三章、中国人工智能（AI）行业产业链分析 (5)第四章、中国人工智能（AI）行业发展现状 (7)第五章、中国人工智能（AI）行业重点企业分析 (8)第六章、中国人工智能（AI）行业发展趋势分析 (10)第七章、中国人工智能（AI）行业发展规划建议 (11)第八章、中国人工智能（AI）行业发展前景预测分析 (13)第九章、中国人工智能（AI）行业分析结论 (14)第一章、人工智能（AI）行业定义人工智能（AI），即Artificial Intelligence，是指由计算机系统或其他形式的信息处理设备所表现出来的智能行为。
这种智能行为能够模仿人类的认知功能，如学习、推理、问题解决、知识表示、规划、自然语言处理、感知和使用语言等。
随着技术的发展，AI已经从理论研究阶段进入了实际应用阶段，并逐渐渗透到各个行业领域中，成为推动全球经济增长的重要力量之一。
1.1 AI发展历程概述自1956年达特茅斯会议首次提出“人工智能”这一概念以来，AI经历了多次起伏发展。
早期，由于计算能力和数据量的限制，AI的研究主要集中于符号主义方法上；进入21世纪后，随着大数据时代的到来以及机器学习算法的进步，尤其是深度学习技术的突破，AI迎来了爆发式增长。
2020年全球AI市场规模达到约1565亿美元，预计到2025年将增长至3900亿美元以上，复合年增长率超过20%。
1.2 主要技术分支当前AI技术主要包括以下几大分支：机器学习：通过构建数学模型让计算机自动从数或决策。
深度学习作为机器学习的一个子集，因其强大的表征学习能力而受到广泛关注。
2021全球深度学习市场价值约为200亿美元。
自然语言处理（NLP）：使计算机能够理解、解释和生成人类语言的技术。
中国人工智能行业市场现状及未来发展前景预测分析报告
中国人工智能行业市场现状及未来发展前景预测分析报告博研咨询&市场调研在线网中国人工智能行业市场现状及未来发展前景预测分析报告正文目录第一章、人工智能行业定义 (3)第二章、中国人工智能行业综述 (4)第三章、中国人工智能行业产业链分析 (5)第四章、中国人工智能行业发展现状 (6)第五章、中国人工智能行业重点企业分析 (8)第六章、中国人工智能行业发展趋势分析 (9)第七章、中国人工智能行业发展规划建议 (11)第八章、中国人工智能行业发展前景预测分析 (12)第九章、中国人工智能行业分析结论 (13)第一章、人工智能行业定义人工智能（Artificial Intelligence, AI）是指由计算机系统所表现出的智能行为。
它不仅涵盖了机器学习、自然语言处理、图像识别等多个子领域，还广泛应用于从自动驾驶汽车到智能家居设备等各种场景中。
随着技术的进步和市场需求的增长，AI已成为推动全球经济增长的关键力量之一。
1.1 人工智能市场规模全球人工智能市场持续扩张。
2022全球AI市场规模达到约4,500亿美元，预计到2027这一数字将增长至16,000亿美元左右，复合年增长率超过25%。
北美地区占据了最大的市场份额，而亚太地区则显示出最快的增长速度。
1.2 主要应用领域AI技术主要应用于以下几个方面：医疗健康：通过AI算法辅助诊断疾病、个性化治疗方案设计等，有效提高了医疗服务效率与质量。
2021年全球医疗AI市场规模约为60亿美元，并有望在未来五年内实现年均35%以上的增长。
金融服务：AI在风险管理、信贷审批、智能投顾等领域发挥了重要作用。
2022全球金融科技领域中AI相关投资总额超过了100亿美元。
零售电商：AI技术帮助零售商优化库存管理、提升顾客购物体验。
根据博研咨询&市场调研在线网分析，2023年全球零售业AI解决方案市场规模将达到80亿美元左右。
智能制造：AI赋能工业自动化生产流程，显著提升了制造业的生产效率。
2017年人工智能行业现状与发展趋势报告
目录CONTENTS1人工智能行业产业链结构2人工智能行业整体市场发展3人工智能行业投资现状4人工智能行业发展前景人工智能行业产业链结构l人工智能产业链结构l人工智能基础技术提供平台l人工智能技术平台l人工智能应用领域PART 01人工智能产业链结构人工智能产业链的主要包含三个核心环节——基础技术、人工智能技术和人工智能应用。
其中，基础技术主要包括数据平台、数据存储以及数据挖掘等，人工智能技术包括语音识别、自然语言处理、图像识别和生物识别等，人用智能应用有工业4.0、无人驾驶汽车、智能家居、智能金融、智慧医疗、智能营销、智能教育以及智能农业等。
基础技术支撑数据平台数据存储数据挖掘计算智能语音识别自然语音处理图像识别生物识别感知智能机器学习预测类API 人工智能平台认知智能工业4.0无人驾驶汽车智能家居智能金融智慧医疗智能营销智能教育智能农业基础技术支撑人工智能技术人工智能应用人工智能产业链结构IaaS代表企业：阿里云、电信天翼云、联通沃云、Ucloud 、青云、万国数据、首都在线等。
基础设施即服务，它是把ICT 基础设施作为一种服务提供的商业模式。
用户通过Internet 可以从服务提供商那里得到完善的计算机基础设施服务。
这些服务包括服务器或虚拟服务器的计算资源、处理能力及基础网络。
PaaS代表企业：科大讯飞、环信、容联、亲加、云知声、思必驰等。
PaaS 的功能主要体现在将现有各种业务能力进行整合，向下根据业务能力需要测算基础服务能力，通过IaaS 提供的API 调用硬件资源，向上提供业务调度中心服务，实时监控平台的各种资源，并将这些资源通过API 开放给SaaS 用户。
SaaS代表企业：百度云、用友云、浪潮、 Ucloud、 Oracle、Infor、Microsoft 等。
SaaS 是一种通过Internet 提供软件的模式，厂商将应用软件统一部署在自己的服务器上，客户可以根据自己实际需求，通过互联网向厂商定购所需的应用软件服务，按定购的服务多少和时间长短向厂商支付费用，并通过互联网获得厂商提供的服务。
45家国产 AI 芯片厂商调研分析报告
45家国产AI芯片厂商调研分析报告作者：顾正书，AspenCore资深产业分析师AspenCore声明：感谢安谋科技、合见工软与瀚博半导体在本报告的调研和撰写过程中提供专业的技术指导、应用案例分析和行业洞察。
我们将邀请来自这三家公司的技术专家参与EE直播间在线讲座：Fabless技术和应用系列-AI芯片的设计挑战与应用市场分析。
国内外调研机构、行业专业人士和媒体对AI及AI芯片的技术发展趋势和应用场景都已经做了全面和深入的分析，本报告就不再赘述了。
AspenCore分析师团队主要从以下几个方面对AI芯片产品及国产AI芯片厂商进行深入分析（每个部分单独成篇，请点击浏览相应内容）。
1.AI芯片的设计流程和挑战2.全球AI芯片Top 103.国产AI芯片Top 104.15家国产边缘/端侧AI芯片厂商及其代表产品5.AI芯片价值链6.45家国产AI芯片厂商信息汇总AI芯片的设计流程和挑战芯片是一个产品，同时也是一个服务于商业客户的行业，AI芯片自然也不例外。
一个芯片从无到有通常需要经过定义、设计、制造和流通几个重要环节，除了制造环节会外包给Foundry和封测厂之外，一个芯片设计公司需要做好芯片定义、设计（包含芯片、系统和软件）、寻找客户（渠道建设）几个环节。
简单地说，就是要明确：做什么芯片？怎么做出来？怎么卖出去？无论拥有成熟品牌的大型公司，还是初创公司，同时做好上述三点都是一个很大的挑战。
那么，在AI芯片的不同阶段（规划、设计、验证、流片、板卡/系统集成、应用方案）分别面临什么挑战呢？1.规划阶段。
最大的挑战是如何明确市场定位，规划出最有竞争力的方向。
对于AI芯片设计初创公司来说，在早期阶段就引入战略合作伙伴能更好地理解市场需求，确保开发的AI芯片符合客户需要。
同时，在规划阶段就要软件和硬件协同开发，因为AI芯片设计在很大程度上是软件定义硬件。
如果硬件对软件和应用需求不友好，单纯从性能指标上看起来可能很好，但却很难实现产品化。
2017年中国人工智能产业链专题分析报告
2017年中国人工智能产业链专题分析报告目录第一节人工智能核心技术应用加速落地 (5)一、“基础层-技术层-应用层”的产业架构日渐明晰 (5)二、核心技术应用屡有突破 (8)第二节全场景应用行路致远 (20)一、AI 重塑金融：改善用户体验 (21)二、AI 重塑医疗：力助缓解看病“两难” (22)三、AI 重塑社交：交互纵深延伸 (25)四、AI 重塑教育：提供“课前-课中-课后”一站式服务 (26)五、AI 重塑工业：中国制造 2025 的助推器 (28)六、AI 重塑农业：颠覆传统模式 (30)第三节企业分析 (31)图目录图1：国内企业已经实现全产业链覆盖 (5)图2：计算机视觉技术与其他领域的关系 (8)图3：机器学习与人类学习的对比 (10)图4：自然语言处理技术体系 (12)图5：软银机器人Pepper (14)图6：Google机器人Atlas (14)图7：柯马SMART系列工业机器人 (15)图8：2015-2020年全球生物识别技术行业市场规模(单位:亿美元) (18)图9：2002-2020年中国生物识别技术行业市场规模 (18)图10：2015-2020年全球生物识别技术行业市场结构 (19)图11：人工智能产业结构 (20)图12：认知智能突破时间尚不明确 (20)图13：算法处理效果和包含算法的人工处理效果对比图 (22)图14：可穿戴智能设备 (23)图15：远程问诊 (23)图16：问答机器人 (25)图17：“未来教师”机器人 (27)图18：现代工业机器人 (28)图19：2000年-2018年全球工业机器人销量（万台） (29)图20：智能灌溉 (30)图21：农业机器人插秧 (31)表目录表1：国内人工智能基础层业务公司 (6)表2：国内AI技术层业务公司 (6)表3：国内AI应用层业务公司 (7)表4：计算机视觉技术应用 (9)表5：计算机视觉公司简介 (10)表6：机器学习公司 (11)表7：自然语言处理公司 (12)表8：语音技术公司 (13)表9：智能机器人公司 (16)表10：主要生物识别技术介绍 (16)表11：生物识别应用领域 (17)表12：人工智能在医疗领域的应用 (22)表13：人工智能健康医疗技术 (24)表14：社交数据分析的商业应用 (26)表15：A股市场人工智能主要概念标的简介 (31)第一节人工智能核心技术应用加速落地人工智能风口已至已毋庸置疑，但需要声明的是，以算法、深度学习、增强学习为代表的核心技术研发周期较长，由此决定了人工智能的全面爆发不可能一蹴而就。
中国人工智能技术行业市场现状及未来发展前景预测分析报告
中国人工智能技术行业市场现状及未来发展前景预测分析报告博研咨询&市场调研在线网中国人工智能技术行业市场现状及未来发展前景预测分析报告正文目录第一章、人工智能技术行业定义 (3)第二章、中国人工智能技术行业综述 (4)第三章、中国人工智能技术行业产业链分析 (6)第四章、中国人工智能技术行业发展现状 (7)第五章、中国人工智能技术行业重点企业分析 (8)第六章、中国人工智能技术行业发展趋势分析 (9)第七章、中国人工智能技术行业发展规划建议 (11)第八章、中国人工智能技术行业发展前景预测分析 (13)第九章、中国人工智能技术行业分析结论 (14)第一章、人工智能技术行业定义人工智能（Artificial Intelligence, AI）是指由计算机系统或其他形式的信息处理设备所表现出来的智能行为。
它旨在通过模拟、扩展和增强人类智能的方式，使机器能够执行通常需要人类智能才能完成的任务。
自20世纪50年代以来，AI经历了多次发展高潮与低谷，如今已成为全球科技创新的重要驱动力之一，并广泛应用于各个领域。
1.1 行业概述2022年全球人工智能市场规模达到4,280亿美元，预计到2027年这一数字将增长至12,960亿美元，复合年增长率高达25%。
这表明随着技术进步和应用场景的不断拓展，AI产业正迎来前所未有的发展机遇。
1.2 核心技术构成人工智能主要由以下几项关键技术组成：机器学习：作为AI的核心组成部分，2021年全球机器学习市场规模约为110亿美元，预计未来五年内将以每年超过30%的速度增长。
自然语言处理（NLP）：2022年NLP市场规模约为130亿美元，预计到2026年将达到340亿美元左右。
计算机视觉：该领域2021年的市场规模为117亿美元，预计2028年将突破2,000亿美元大关。
机器人技术：包括工业机器人和服务机器人两大类。
2022年全球机器人销售额为510亿美元，其中服务机器人增速尤为显著，预计2025年将实现翻倍增长。
智能芯片工作总结报告
一、前言随着科技的飞速发展，智能芯片作为信息技术产业的核心，其重要性日益凸显。
在过去的一年里，我国智能芯片产业取得了显著的成果。
现将我司在智能芯片领域的工作进行总结，以期为今后的工作提供借鉴。
二、工作回顾1. 技术研发（1）加强基础研究，提升芯片设计能力。
在过去的一年里，我司加大了对基础研究的投入，与国内外知名高校、科研机构合作，提升芯片设计能力。
（2）优化芯片架构，提高性能。
针对不同应用场景，我司对芯片架构进行优化，使芯片在性能、功耗、面积等方面取得了显著提升。
（3）创新芯片工艺，降低成本。
通过引入先进工艺，我司在降低芯片制造成本的同时，保证了芯片的性能和可靠性。
2. 市场拓展（1）积极拓展国内外市场，提升市场份额。
我司在国内外市场加大宣传力度，与多家企业建立合作关系，拓展市场份额。
（2）加强与国际先进企业的合作，提升品牌影响力。
通过与国外知名企业的合作，我司在智能芯片领域的技术水平得到了提升，品牌影响力逐步扩大。
3. 人才培养（1）引进高端人才，优化团队结构。
我司加大了对高端人才的引进力度，优化了团队结构，提高了整体研发水平。
（2）加强内部培训，提升员工技能。
我司定期举办内部培训，提高员工的技术水平和综合素质。
三、存在问题及改进措施1. 存在问题（1）芯片产品线相对单一，市场竞争力有待提高。
（2）与国际先进企业相比，在芯片设计、制造等方面仍有差距。
2. 改进措施（1）丰富产品线，满足市场需求。
我司将加大研发投入，丰富产品线，满足不同市场的需求。
（2）加强与国际先进企业的合作，提升技术水平。
通过与国际先进企业的合作，学习先进技术，提高我国智能芯片产业的整体水平。
四、展望未来在新的一年里，我司将继续加大研发投入，提升技术水平，拓展市场，为我国智能芯片产业的发展贡献力量。
具体措施如下：1. 深化基础研究，提高芯片设计能力。
2. 优化芯片架构，提高性能。
3. 创新芯片工艺，降低成本。
4. 加强市场拓展，提升市场份额。
芯片行业市场调研报告
芯片行业市场调研报告一、引言芯片是现代信息技术和电子设备的核心组成部分，是各种电子产品的重要基础。
随着科技的不断发展，芯片行业也在不断创新和迭代，市场需求越来越大。
本报告旨在对当前芯片行业市场进行全面调研，分析行业发展趋势和未来发展前景，为相关企业和投资者提供参考。
二、市场概况1.1 芯片行业定义芯片是一种集成电路，主要用于信息处理和控制。
根据功能和结构不同，芯片可以分为处理器芯片、存储芯片、传感器芯片等多种类型。
1.2 行业发展历史芯片行业起源于20世纪中叶，经过几十年的发展，已成为全球多个产业的关键支撑。
1.3 市场规模根据研究机构的预测数据，未来几年芯片行业市场规模将保持稳定增长，预计2025年市场规模将达到X亿美元。
三、主要驱动因素3.1 技术创新随着人工智能、物联网、5G等新兴技术的快速发展，对芯片性能提出了更高的要求，推动了芯片行业的创新和发展。
3.2 应用需求智能手机、智能家居、无人驾驶等新兴应用的快速普及，也促进了芯片市场的增长。
四、主要挑战4.1 技术壁垒芯片行业技术门槛高，对研发能力和资金实力要求较高，新进入者面临较大挑战。
4.2 市场竞争芯片行业竞争激烈，国际巨头占据主导地位，国内企业面临国际压力。
五、市场前景5.1 发展趋势未来芯片行业将主要表现为智能化、小型化、高效化，新兴技术的推动将带动芯片行业持续增长。
5.2 投资建议在现代科技快速发展的大背景下，芯片行业仍有较大发展空间，长期投资前景可观，建议关注行业龙头企业和新兴创新公司。
结语芯片行业作为现代科技产业的核心组成部分，市场需求越来越旺盛，技术创新和应用拓展将成为未来发展的关键驱动力。
希望本报告对有关企业和投资者有所启发，为进一步了解芯片行业提供参考依据。
Ai行业报告分析
Ai行业报告分析随着人工智能（AI）技术的不断发展，AI行业在全球范围内呈现出蓬勃发展的态势。
在这个快速变化的行业中，了解市场动态和趋势对于企业制定战略和决策至关重要。
因此，本报告将对AI行业的发展现状、市场规模、应用领域、发展趋势等方面进行深入分析，为相关企业和投资者提供有益参考。
一、AI行业发展现状。
AI技术的快速发展，推动了AI行业的蓬勃发展。
据统计，全球AI行业的市场规模已经超过1000亿美元，并且呈现出持续增长的趋势。
在全球范围内，美国、中国、欧洲等地区都成为了AI技术的重要研发和应用中心。
同时，AI技术也在各个行业中得到了广泛应用，包括金融、医疗、制造业等领域。
二、AI行业市场规模。
AI行业的市场规模在不断扩大，预计未来几年将继续保持高速增长。
根据市场研究机构的数据显示，全球AI市场规模预计将在2025年达到1.5万亿美元。
其中，AI芯片、机器学习、自然语言处理等子行业都将迎来快速增长，成为AI行业的重要增长点。
三、AI行业应用领域。
AI技术在各个行业中都得到了广泛应用，成为推动产业升级和转型的重要力量。
在金融领域，AI技术可以用于风险管理、智能投顾等方面；在医疗领域，AI技术可以用于辅助诊断、药物研发等方面；在制造业领域，AI技术可以用于智能制造、智能物流等方面。
未来，随着AI技术的不断发展，其应用领域将进一步扩大，为各行业带来更多的创新和变革。
四、AI行业发展趋势。
AI行业的发展将呈现出以下几个趋势：1. 多元化发展，AI技术将在更多的领域中得到应用，包括农业、教育、交通等领域。
2. 产业融合，AI技术将与物联网、大数据、云计算等技术进行融合，形成新的产业生态。
3. 自主研发，各国都将加大对AI技术的自主研发力度，推动本土AI产业的发展。
4. 人机协作，AI技术将更多地与人类进行协作，成为人类生产生活的重要助手。
五、结语。
AI行业作为未来的重要发展方向，具有巨大的发展潜力和市场机遇。
人工智能行业发展前景分析报告
人工智能行业发展前景分析报告一、概述近年来，人工智能（Artificial Intelligence，AI）的发展迅猛，正在成为全球最热门的科技领域之一。
人工智能的出现和普及，对社会经济发展及技术创新带来了深远影响。
本文将从市场需求、政策支持、技术进步、产业规模、应用领域、风险挑战等方面，全面分析人工智能行业的发展前景。
二、市场需求随着数字经济的快速发展和人口老龄化趋势的加剧，人工智能在健康医疗、金融服务、智慧城市、农业生产等领域的需求不断增加。
尤其是在新冠疫情的冲击下，人工智能在疫情监测、病毒防控、医疗诊断等方面的应用优势得到了进一步凸显。
预计未来几年，人工智能市场规模将持续扩大。
三、政策支持为了推动人工智能行业的发展，各国纷纷加大政策支持力度。
中国政府发布了《新一代人工智能发展规划》，明确提出到2030年将建设世界领先的人工智能创新中心。
美国、欧洲等发达国家也相继出台相关政策，支持人工智能技术创新和产业发展。
政策的支持将为人工智能企业提供更多发展机遇。
四、技术进步人工智能的核心技术包括机器学习、深度学习、自然语言处理等。
随着计算能力和算法的不断改进，人工智能技术正在向更高的水平迈进。
例如，深度学习技术已经广泛应用于图像识别、语音识别等领域，取得了惊人的成果。
未来，人工智能技术的进一步突破将进一步推动行业的发展。
五、产业规模人工智能产业规模的扩大，既有技术进步的推动，也得益于市场的需求。
根据行业研究机构的数据，预计到2025年，全球人工智能市场规模将超过1万亿美元。
AI芯片、智能机器人、智能驾驶、人工智能服务等领域将成为产业发展的主要方向。
六、应用领域人工智能技术已经广泛应用于多个领域。
在健康医疗领域，人工智能可以提高医疗服务的效率和质量，辅助诊断和治疗，智能化管理病患。
在金融领域，人工智能可以提供风险控制、投资决策、反欺诈等服务。
在智慧城市建设中，人工智能可以提供交通管理、城市规划、环境监测等方面的解决方案。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2017年人工智能AI芯片行业分析报告
2017年10月
目录
一、AI加速需求超过CPU计算能力摩尔定律供给 (5)
1、机器学习不断演进，深度学习出现 (5)
2、深度学习的人工神经网络算法与传统计算模式不同 (6)
3、深度学习模型需要通过大量的数据训练才能获得理想的效果 (7)
二、GPU将最早受益于安防等需求爆发 (9)
1、GPU：图形加速起家，较成熟生态系统，最先被引入深度学习 (9)
2、GPU天然具有三个方面局限性 (10)
（1）应用过程中无法充分发挥并行计算优势 (10)
（2）硬件结构固定不具备可编程性 (11)
（3）运行深度学习算法能效远低于FPGA (11)
三、FPGA：能效居中的中间方案 (11)
1、FPGA：能效中等、灵活度高、成本较高的AI白板 (11)
2、FPGA 与GPU、CPU相比，具有性能高、能耗低、可硬件编程的特点 12
3、FPGA的局限性 (13)
（1）基本单元的计算能力有限 (14)
（2）速度和功耗有待提升 (14)
（3）FPGA价格相对较为昂贵 (14)
四、ASIC：能效顶级、拥抱未来 (14)
1、ASIC：功能特定的最优功耗AI 芯片 (14)
2、ASIC的另一个未来发展是类脑芯片 (16)
3、性能上看，ASIC全面领先GPU/FPGA (17)
五、寒武纪终端闪耀、云端推进 (18)
1、云端AI芯片类似于超级计算机 (19)
2、终端AI芯片更偏重能耗 (19)
3、先发优势与浮点计算峰值决定GPU目前在云端处于主导地位 (20)
4、产品持续迭代，英伟达垄断GPU市场 (21)
5、能耗优势，ASIC亦拥抱云端未来 (22)
6、寒武纪在ASIC全面领先，指令集是杀手锏创新 (22)
7、终端应用逐步增强，NPU已形成事实上落地 (23)
AI 加速需求超过CPU计算能力摩尔定律供给。
深度学习是目前AI 领域最有效算法，深度学习模型需要通过大量的数据训练才能获得理想的效果，CPU优势为处理各类数据及强逻辑判断能力，解决单次复杂问题能力强。
两者需求并非完全匹配，深度学习需要一种替代硬件来满足海量数据的运算需求。
GPU：较成熟生态系统，最先收益人工智能爆发。
GPU与CPU 类似，只不过是一种专门进行图像运算工作的微处理器。
GPU是专为执行复杂的数学和几何计算而设计的，这些计算是图形渲染所必需的。
GPU在浮点运算、并行计算等部分计算方面可以提供数十倍乃至于上百倍于CPU的性能。
英伟达公司从2006 年下半年已经开始陆续推出相关的硬件产品以及软件开发工具，目前是人工智能硬件市场的主导。
GPU天然具有三个方面局限性。
GPU作为图像处理器，设计初衷是为了应对图像处理中需要大规模并行计算。
因此，其在应用于深度学习算法时，有三个方面的局限性：1. 应用过程中无法充分发挥并行计算优势。
2. 硬件结构固定不具备可编程性。
3. 运行深度学习算法能效远低于ASIC 及FPGA。
FPGA：能效中等、灵活度高、成本较高的AI 白板，具有三类局限。
FPGA 称为现场可编程门阵列，用户可以根据自身的需求进行重复编程，与GPU、CPU相比，具有性能高、能耗低、可硬件编程的特点。
同时具有三类局限：1. 基本单元的计算能力有限；2. 速度和功耗有待提升；3、FPGA 价格较为昂贵。