目前，关于智能芯片的定义并没有一个严格和公认的标准。一般来说，运用了人工智能技术的芯片都可以称为智能芯片，但是狭义上的智能芯片特指针对人工智能算法做了特殊加速设计的芯片，现阶段，这些人工智能算法一般以深度学习算法为主，也可以包括其它机器学习算法。智能芯片可按技术架构、功能和应用场景等维度分成多种类别。

　　近年来我国学术界和产业界都加大了对芯片技术的研发力度，国内智能计算芯片技术不断取得新的成果。一些基于传统计算架构的芯片和各种软硬件加速方案相结合，在一些人工智能应用场景下都取得了巨大成功，但由于市场需求的多样性，很难有任何单一的设计和方法能够很好地适用于各类情况。因此，学术界和产业界涌现出多种专门针对人工智能应用的新颖设计和方法，覆盖了从半导体材料、器件、电路到体系结构的各个层次。

智能芯片的分类

　　智能芯片技术的进展

　　清华大学微电子系团队依靠长期积累的可重构计算芯片技术，研发了Thinker芯片，这种芯片基于采用可重构架构和电路技术，突破了神经网络计算和访存的瓶颈，实现了高能效多模态混合神经网络计算。Thinker芯片具有高能效的突出优点，其能量效率相比目前在深度学习中广泛使用的GPU提升了三个数量级。

　　浙江大学和杭州电子科技大学合作研制出了国内首款基于硅材料的支持脉冲神经网络的类脑芯片。

　　中国科学院计算技术研究所的寒武纪公司推出了寒武纪1A处理器(Cambricon-1A)，成为全球首款商用深度学习专用处理器，在运行主流智能算法时性能功耗效率大幅超越CPU和GPU，被世界互联网大会评为全球十五项“世界互联网领先科技成果”之一；此后，寒武纪相继发布了面向视觉领域的寒武纪1H8、性能更强的寒武纪1H16，面向智能驾驶领域的寒武纪1M，首款云端智能芯片MLU100。

　　西井科技推出了自主研发的深度学习类脑神经元芯片深井(deepwell)和可模拟5000万级别的“神经元”的类脑神经元芯片深南(deepsouth)产品。

　　华为发布AI芯片麒麟970，麒麟970选择了高能效的异构计算架构来大幅提升AI算力，特别设计了HiAI移动计算架构。