“不管有什么好的AI算法，要想最终得到应用，就必然要通过芯片来实现。”在2018中国半导体市场年会上，清华大学微电子所所长魏少军教授曾这样表示。

AI芯片的出现，与深度学习技术的成熟及应用密不可分。深度学习的过程可以简化理解为利用大量标注的数据进行训练，训练出一个行之有效的模型，再将这一模型运用于新数据的推理。随着5G和物联网的发展，AI芯片的应用普及也指日可待。

“从最早的人工智能的计算，不管是训练还是推理实际上都是发生在数据中心，因为深度学习需要大量的运算，只有在数据中心运用一些通用的处理器才能够提供如此巨大的计算以及提供这些计算所需要的电力的消耗。近年来，我们看到随着人工智能技术的发展，现在无论在算法方面还是在芯片方面，人工智能都达到了一个很高的水平。”英特尔中国区物联网事业部首席技术官兼首席工程师张宇说。

与传统计算模式不同，AI芯片结合了多层次的人工神经网络算法，需要通过大量的数据训练，它的发展推动芯片新一波的热潮。与此同时，也让芯片厂商重新思考一个问题：芯片需要适配不断出现的AI新算法，这让芯片研发不再仅仅是硬件工程师的“专属”，但对于算法工程师来说，想要把原来软件的功能实现到硬件上就需要面临更多挑战。这一点，要如何应对？

“深度学习网络模型是以大规模数据经过千万次的迭代而形成的结果，整个的转接过程对于我们来说是黑盒，而在这个基础上进行模型优化确实需要对算法进行更深入的了解。”科达研究院执行院长曹李军说。