事实上，目前还没有出现像CPU一样的AI通用算法芯片，一剑封喉的应用还没出现。首先，AI芯片的量产问题是头部短板。不同于已经定性的传统芯片，AI芯片从架构到设计等多个层面都会是一种全新的颠覆。当前，虽有几家初创公司表示他们的产品已经实现了一种量产，但最终多是应用于自身产品和产业链，算不得真正的量产。
其次，AI芯片欠缺完整成熟的产业链。在早前由镁客网主办的“M－TECH AI芯片商业化之路”论坛上，多家AI芯片初创公司的嘉宾都表示，云端芯片市场的大部分空间已经被英伟达占据，AI芯片创企在其中没有机会，之所以形成这样的局面正由于其产业链的建立。产业链构建完整，AI芯片从上游设计到中游解决方案、再到下游应用场景落地才能流畅。
再次，AI芯片的工作只是加速AI算法，但在整个主板上，这只是芯片所要计算的一部分。于其他方面，还有更多的计算工作，而它们中间的多数，并不需要AI芯片的介入，比如数据存储等等。
当然，主流架构探讨、算法通用可实现性、刚需应用场景等也是AI芯片需要攻克的问题。
短期之内，如英伟达这样的芯片行业巨头，其GPU因为算力尚且能够满足当前AI算法加速的需要，虽然耗能表现不佳，但是出于产业的需求，仍然是占据了当前市场的主要份额。
总结：新旧更迭，背后都是市场法则
不管是CPU、GPU等传统芯片，还是AI芯片，它们出现的根因皆是因为市场有了新需求，继而才会形成趋势，最终落实为产品。这其中，有着时代的更迭，也有着技术的进步。
这方面，AI芯片本身就是一个典型的案例。因为计算的需要，人们开始研发芯片，从而诞生了CPU、GPU等。之前很长一段时间内，CPU一直做着主要的任务处理和数据计算工作。之后随着AI的出现，CPU的算力遇到了挑战。反之，因为并行运算架构，以往并不起眼的GPU开始焕发光彩。不过，它们终究不是为AI算法而定制的，也因此，迎合产业需求发展的AI芯片出现了。
长远来看，出于对算力、功耗等多方面的考虑，就AI算法加速方面，AI芯片取代传统芯片是一个必然的结果。届时，AI芯片或将与CPU、GPU等一起集成到一个完整的处理器中，诸如寒武纪NPU被集成至麒麟970一般，又或者，AI芯片也将作为独立处理器存在，这一切目前还是未知数。
不过，可以确定的是，就当前而言，我国在AI芯片的研发上已经站在了世界前列。一旦AI芯片实现量产，除了迎合智能时代产业发展的需求，我国还将在芯片产业中获得一定的话语权，在当前核心技术缺失的困局下实现“弯道超车”。（作者：韩璐）
