人工智能（AI: Artificial Intelligence）自20世纪中叶在世界范围内掀起一股研究热潮来，前前后后共经历了60余年在科技世界的沉浮，终于在最近十年取得了许多重大的科技突破。AI在语音识别、图像识别等领域取得了里程碑式的成果。
AI
总结原因，可大致分为以下三大要素：发展一日千里的计算力 ，深度学习算法 ，时至今日所储存的大量数据。
AI芯片
AI芯片是当前科技、产业和社会关注的热点，也是AI技术发展工程中不可逾越的关键阶段。由于当前的AI算法都有各自的长处和短处，只有给它们设定一个合适的应用边界才能更好地发挥它们的作用。因此，确定具体应用领域就成为了发展AI芯片的重要前提。通过芯片技术来大幅度增强人工智能研发的条件相对而言已经成熟，未来时间将是AI芯片发展的重要时期，无论是从架构上还是设计理念上都将有巨大的突破。
贯穿于AI芯片发展史的摩尔定律是由英特尔创始人之一的戈登·摩尔在20世纪提出，迄今已有50余年的历史。在摩尔定律发展的前30年，人工智能的研究经历了逻辑推理时代和专家系统时代。AI芯片的计算能力从早期不能满足复杂人工智能任务的要求，到逐渐超越。1995年之后的20年，摩尔定律的量变推动了质变，开启了信息时代的技术飞跃。但对于目前主流的深度学习算法，需要有更高并行计算能力和储存带宽的芯片架构，来提高训练速度或者达到工作时的实时性要求。因此，在深度学习领域出现了多种CPU加专用芯片的异构计算方案。
AI的研究都试图达到一个终极目标，就是让一个机器或者系统能达到或者超越人的智能能力来完成一个交互的任务。这个交互任务包括感知、分析、理解、决策等一系列具体环节，所以不仅仅是图像识别或者其它某个单一目标的实现。
我们如果科学的去评价AI芯片就不能只从一个维度出发，而是应该更全面更立体的去看。以现有各种具体资料来看，客观科学的评价AI芯片至少有三个方面值得参考，它们分别是：
任何一款AI芯片在不同的应用场景对这几个维度都会有不同的具体需求，所以对于AI芯片，任何需求相对而言都是不固定的，需要具体事件，具体分析。
时至今日，通过芯片技术来大幅度提高人工智能研发的条件已经成熟。虽然整体上的发展速度已经放缓，但是未来十年将是AI芯片发展的重要时期，无论是从架构上还是设计理念上都将会有巨大的突破。