据记者观察，目前市场上大部分人工智能芯片确实配备了专用的硬件加速模块，尤其是人工智能图像处理和视觉识别。从麒麟系列芯片使用华为智能手机的早期阶段,A11 A12苹果,泽维尔用英伟达在汽车领域,和许多类型的asic新兴市场的今天,专用的AI加速器似乎已经成为一种标准配置专业支持的图像和视觉数据处理为特定的应用程序。这也导致了一种市场现象，因为今天没有人工智能加速器的芯片可能不容易被称为人工智能芯片，更不用说用这样的产品与客户打交道了。
特殊的人工智能加速器配置，目的是为了迎合当前各个细分应用场景对人工智能的不同需求，专注于人工智能芯片的研发，一家初创公司的控制器告诉记者:“就像今天的智能手机,用户可以为智能图像拍摄和人工智能优化更有这种需求,所以芯片供应商将专门设计相应的加速器运行一个特定的图像和视觉算法,输出的结果可以满足用户的期望,这是当前许多厂商竞争产品的优势是非常重要的;此外，在汽车领域，需求可能会有所不同。车载摄像头需要时刻采集大量的图像数据，这对芯片带宽、延时和功耗都有更高的要求(毕竟这是汽车的标准)。一旦模型的参数越来越大，事实上，系统无法继续保存芯片中的所有参数，这将不可避免地成为瓶颈，这正是设计专用AI加速器的价值所在。
从人工智能加速器架构本身来看，目前几乎所有的人工智能加速器都有一个计算单元负责完成深度学习中的矩阵乘法/卷积运算，如脉冲阵列或TPU表示的点乘。另一个片上存储单元，主要负责存储各层的输入/输出和重量。这种异构协处理器的设计方法在性能上非常灵活。一方面，它可以使用流水线和并行结构来跟上算法的更新和性能要求。另一方面，它可以为主处理器和系统内存提供宽带、低延迟接口，增加SoC的计算量，优化数据结构，降低带宽需求，在降低功耗的同时提高芯片性能数百倍。一家人工智能芯片初创企业的负责人补充道。
当然，专用AI加速模块的配置对于提高芯片在固定应用场景下的整体性能有很大的帮助，可以在很大程度上减少计算力与功耗之间的矛盾。然而，也有优点和缺点。由于该方案支持的应用场景有限，进一步丧失了应用端芯片的可扩展性和灵活性。和人工智能进化速度越来越快,如果未来越来越流行的智能算法,神经网络逐渐消失在背景中,所以芯片边需要专门为新型的加速度特殊模块设计的算法,它将进一步提高芯片的成本和开发时间,很难赶上AI应用市场的变幻莫测。因此，对于人工智能加速器模式是否会成为未来人工智能芯片设计的主流方式，业界有着不同的看法。
“现在制造商正在做人工智能加速器，主要是为了满足需求。因为需求是不同的，所以在需求还没有被业界达成高度共识的情况下，芯片必然会有很大的不同。简单地说，在一些AI视觉图像应用中，芯片对前端功耗不太敏感，需要进行一些非常复杂的操作，使用典型的终端AI芯片可能无法很好地解决这些问题。然而，另一方面，在某些应用程序中，它将具有非常轻量级的操作。简而言之，我不认为在没有明确商业需求的情况下，它会成为一种类似ip的商业模式。”
站在的角度来看一个人工智能芯片启动,记者了解到,许多芯片的创业团队宁愿走了AI加速器发展路线去做他们自己的特殊的ASIC,也是由于一些非常看好细分市场,这个市场是值得投资的时间和精力来开发相应的人工智能加速芯片的解决方案。
