寒武紀是國際首個深度學習專用處理器芯片。2012 年，中科院計算所和法國 Inria 等機構共同提出了國際上首個人工神經網絡硬件的基準測試集 benchNN。這項工作提升了人工神經網絡處理速度，有效加速了通用計算，大大推動了國際體系結構學術圈對神經網絡的接納度。此后，中科院計算所和法國 Inria 的研究人員共同推出了一系列不同結構的 DianNao 神經網絡硬件加速器結構。

2016 年 3 月，中科院計算所陳云霽、陳天石課題組、寒武紀公司提出的寒武紀深度學習處理器指令集 Cambricon 被計算機體系結構領域頂級國際會議 ISCA 2016 接收，在所有近 300 篇投稿中排名第一，在深度學習處理器指令集方面取得了開創性進展。指令集是計算機軟硬件生態體系的核心，英特爾和 ARM 正是通過其指令集控制了 PC 和嵌入式生態體系。

2016 年 4 月，寒武紀進入產業化運營，陳天石也從中科院計算所的副研究員變成了北京中科寒武紀科技有限公司的 CEO。陳天石表示，寒武紀產業化運營的主要方向將是高性能服務器芯片、高能效終端芯片和服務機器人芯片。

寒武紀芯片預計 2018 年左右上市，其表現如何，值得期待。

后起之秀概率芯片

2016 年 4月16 日，MIT Techonolgy Review 報道，DARPA 投資了一款叫做“S1”的概率芯片。模擬測試中，使用 S1 追蹤視頻里的移動物體，每幀處理速度比傳統處理器快了近 100 倍，而能耗還不到傳統處理器的 2%。MIT 媒體實驗室教授、Twitter 首席媒體科學家 Deb Roy 評論稱，近似計算的潮流正在興起。

紐約州立大學石溪分校終身教授顧險峰從最基礎的數學層面分析了概率芯片的優點，專用概率芯片可以發揮概率算法簡單并行的特點，極大提高系統性能。概率芯片所使用的隨機行走概率方法有很多優點：算法邏輯異常簡單，不需要復雜的數據結構，不需要數值代數計算;計算精度可以通過模擬不同數目的隨機行走自如控制;不同的隨機行走相互獨立，可以大規模并行模擬;模擬過程中，不需要全局信息，只需要網絡的局部信息。

顧險峰最后總結，隨著英特爾重組，傳統 CPU 體系機構獨霸江山的時代將一去不復返，概率芯片和其他更多采用全新架構的專用處理器分庭抗禮的時代即將來臨。

早在 2008 年 MIT Techonolgy Review “十大科技突破”預測中，概率芯片就榜上有名。通過犧牲微小的計算精度換取能耗明顯降低，概率芯片在歷來追求精準的芯片領域獨樹一幟，但正因如此，再考慮到 DARPA 已經投資 S1，概率芯片很可能后來居上。

實力股 FPGA

2012年，百度決定自主設計深度學習專有的體系結構和芯片，經過深入研究和論證，為了讓項目快速落地及迭代，工程師最后決定使用 FPGA 實現百度第一版自主設計的深度學習專有芯片。

作為 GPU 在算法加速上強有力的競爭者，FPGA 硬件配置最靈活，單位能耗也通常比 GPU 低。更重要的是，FPGA 相比 GPU 價格便宜(雖然性價比不一定是最好的)。使用 FPGA 需要具體硬件的知識，對許多開發者有一定難度，因此 FPGA 也常被視為一種行家專屬的架構。不過，現在也出現了用軟件平臺編程 FPGA，弱化了軟硬件語言間的障礙，讓更多開發者使用 FPGA 成為可能。

加州大學計算機博士劉少山認為，FPGA 具有低能耗、高性能以及可編程等特性，十分適合感知計算。在能源受限的情況下，FPGA 相對于 CPU 與 GPU 有明顯的性能與能耗優勢。FPGA 低能耗的特點很適合用于傳感器的數據預處理工作。此外，感知算法不斷發展意味著感知處理器需要不斷更新，FPGA 具有硬件可升級、可迭代的優勢。劉少山預計，FPGA 與傳感器的緊密結合將會很快普及，而后隨著視覺、語音、深度學習的算法在 FPGA 上的不斷優化，FPGA 將逐漸取代 GPU 與 CPU 成為機器人上的主要芯片。

目前還沒有任何深度學習工具明確支持 FPGA，但顯然它是一支實力股。

GPU：未來市場霸主?