除赛灵思以53％的份额（咨询公司Gartner2016年数据）占据FPGA市场头把交椅外，阿尔特拉（Altera）以36％的份额位居其后。2015年6月，阿尔特拉被英特尔以167亿美元的价格收购后，英特尔在其基础上成立了可编程事业部。今年4月，英特尔的FGPA被正式应用于主流的数据中心OEM厂商中，主要客户包括戴尔、富士通等。
不过老大赛灵思在回复如何看待阿尔特拉被英特尔收购时，傲娇的表示：“我们依旧是第一，只是尾巴丢了”。
但由于FPGA要保证编程的灵活性，电路上会有大量冗余，因此成本上不能像ASIC做到最优，工作频率也不能太高。因而，在ASIC还并不成熟，同时GPU功耗和成本较高的现阶段发展较好。
谷歌和ASIC：“专精职业选手”，专一决定效率，AI芯片未来
随着专用化需求的进一步发展，芯片界又诞生了ASIC。ASIC（Application Specific Integrated Circuit）即专用集成电路，本文中特指专门为AI应用设计、专属架构的处理器芯片。
近年来涌现的类似TPU、NPU、VPU、BPU等，本质上都属于ASIC。无论是从性能、面积、功耗等各方面，AISC都优于GPU和FPGA，长期来看，ASIC代表AI芯片的未来。
ASIC架构典型的代表，是谷歌的张量处理器TPU，其采用了脉动阵列的组织方式。2016年，谷歌TPU在AlphaGo与李世石一役中横空出世，使AlphaGo“思考”棋招和预判局势，处理速度比GPU和CPU快上几十倍。令人惊艳的的TPU，也一度被认为是AI芯片业内新的搅局者。不过TPU的资历也没比以上几位年轻，哈佛大学孔祥重教授在1970 s就提出了TPU的脉动阵列组织方式。
今年2月，谷歌也以Beta测试的形式开放了一直只是自用的TPU，服务的名称为Cloud TPUs（云端TPUs），用于云端服务器。今年5月Google云端芯还发布了TPU 3．0，8月谷歌又推出一款为边缘计算定制的Edge TPU。
不过TPU目前并不对外发售，并且要想进入更多市场，它的通用性仍需检验。但谷歌TPU的推出，以及测试版对中小企业的开放，还是会对英伟达带来一定威胁。
而ASIC芯片领域，也有一大批追赶者。以我国的初创企业而言，2017年9月，华为发售的AI芯片麒麟970上的NPU（属ASIC架构）集成了初创芯片企业寒武纪的1A处理器作为其核心人工智能处理单元。
2017年1月，地平线携手英特尔发布基于BPU（属ASIC架构）架构的最新高级辅助驾驶系统，12月，地平线机器人发布“旭日”和“征程”两款嵌入式AI芯片，面向智能驾驶和智能摄像头。
2016年，英特尔收购的视觉处理芯片企业Movidius，其研发的VPU也是ASIC芯片。
在AI算法尚处于蓬勃发展、快速迭代的今天，ASIC存在开发周期较长、需要底层硬件编程、灵活性较低等劣势，因此目前发展速度还不及GPU和FPGA。但长期来看，ASIC是AI芯片的未来。
IBM和类脑芯片：另辟蹊径，颠覆传统计算架构，仍在研发
另外，在传统架构之外，还有一类“不走寻常路”的芯片，这就是“类脑芯片”。“类脑芯片”颠覆传统计算架构，将数字处理器当作神经元，把内存作为突触，内存、CPU和通信部件完全集成在一起，采用模拟人脑神经元结构来提升计算能力。
“类脑芯片”以IBM TrueNorth芯片为代表，但由于技术和底层硬件的限制，其尚处于前期研发阶段，目前不具备大规模商业应用的可能性。从技术成熟度和商业可行性两个角度，使用AI专属硬件进行加速运算是今后五年及以上的市场主流。
我国初创企业西井科技也在研发类脑芯片，其宣称“芯片用电路模拟神经，成品有100亿规模的仿真神经元，可用于基因测序、模拟大脑放电等领域”。
不过，类脑芯片的商用并不乐观，西井目前也从研究类脑芯片转向自动驾驶领域。
总结：诸侯混战，同赛道纠缠，不同架构竞争
从CPU、GPU、FPGA，到ASIC及类脑芯片，从英特尔、英伟达、赛灵思、谷歌再到IBM，可以看出芯片业最近50年可谓风起云涌，而人工智能芯片的兴起只是最近的一次浪潮。
GPU、FPGA、ASIC及类脑芯片等可用于AI的芯片，也只是目前登场的芯片中的一小部分，其商用场景还未完全展开。而当前的AI芯片中，应用还是以GPU领先，FPGA可能成为下一个爆点，ASIC目前是被看好、但不成熟的新星。
再看芯片巨头的斗争，英特尔与ARM在CPU市场、英伟达和AMD在GPU市场、赛灵思和阿尔特拉在FPGA市场上，及谷歌和一些创企在ASIC市场的竞争……而在AI浪潮下引导的芯片革新上，英特尔与英伟达，赛灵思以及谷歌又在不同芯片架构及应用场景间进行斗争。
可以说这确实是一场“诸侯混战”，而身处变革中的每一个巨头，都不想在战争中先倒下。
