★ 人工智慧晶片：它們是什麼

built in

Klacci 凱樂奇 Kii Assistant 智慧酒店服務系統

人工智慧晶片是專門設計用於人工智慧系統和任務的積體電路。人工智慧的未來，在很大程度上取決於人工智慧晶片的發展。

人工智慧晶片是指用於開發和佈署人工智慧系統的專業運算硬體。隨著人工智慧變得越來越複雜，電腦對更高處理能力、速度和效率的需求也在增加 —— 人工智慧晶片對於滿足這一需求非常重要。

什麼是人工智慧晶片？

人工智慧晶片，是一種專門用於處理人工智慧任務的積體電路。圖形處理單元（GPU）、現場可程式門陣列（FPGA）和特定應用積體電路（ASIC）都被認為是人工智慧晶片。

過去十年的許多人工智慧突破 —— 來自 IBM Watson 的歷史性 Jeopardy！贏得 OpenAI 的 ChatGPT —— 由 AI 晶片提供支援。如果該行業想繼續挑戰生成式人工智慧、自動駕駛汽車和機器人技術等技術的極限，那麼人工智慧晶片可能也需要發展。

伊利諾伊大學厄巴納-香檳分校電氣和計算機工程教授 Naresh Shanbhag 說：「隨著尖端不斷發展和不斷變化，那麼硬體也必須改變和跟隨。」

什麼是人工智慧晶片？

「人工智慧晶片」一詞是一個廣泛的分類，包括各種晶片，目的在快速有效地處理人工智慧演算法獨特複雜的計算要求。這包括圖形處理單元（GPU）、現場可程式門陣列（FPGA）和特定應用積體電路（ASIC）。中央處理器（CPU）也可以用於簡單的人工智慧任務，但隨著行業的進步，它們的用處越來越低。

人工智慧晶片是如何工作的？

一般來說，晶片是指微晶片，它是使用半導體材料，以微觀規模製造的積體電路單元。電晶體（控制電路內電流流動的小開關）等元件，被蝕刻在這種材料中，以實現記憶體和邏輯等功率計算功能。雖然記憶體晶片管理資料儲存和檢索，但邏輯晶片是處理資料操作背後的大腦。

人工智慧晶片主要在邏輯方面工作，處理人工智慧工作負載的密集資料處理需求 —— 這項任務超出了 CPU 等通用晶片的能力。為了實現這一目標，他們傾向於結合大量更快、更小、更高效的電晶體。這種設計允許他們每單位能量執行更多的計算，與電晶體更大、更少的晶片相比，處理速度更快，能耗更低。

人工智慧晶片還具有獨特的功能，可以大大加快人工智慧演算法所需的計算速度。這包括並行處理 —— 這意味著他們可以同時執行多個計算。

並行處理在人工智慧中非常重要，因為它允許同時執行多個任務，從而更快、更有效地處理複雜的計算。喬治敦大學安全和新興技術中心（CSET）的研究分析師 Hanna Dohmen 告訴 Built In，由於人工智慧晶片的設計方式，它們「對人工智慧工作負載和訓練人工智慧模型特別有效」。

GPU 與 FPGA 與 ASIC 與 NPU

各種類型的人工智慧晶片，在硬體和功能上有所不同：

圖形處理器

GPU 最常用於人工智慧模型的訓練。這些通用晶片最初是，為需要高圖形效能的應用程式開發的，如執行視訊遊戲或渲染影像序列，通常用於執行並行處理任務。由於人工智慧模型訓練在計算上非常密集，公司將多個 GPU 連線在一起，這樣它們都可以同步訓練人工智慧系統。

FPGA

FPGA 在人工智慧模型的應用中很有用，因為它們可以「即時」重新寫程式，正如 CNAS 技術和國家安全專案研究員 Tim Fist 所說，這意味著它們是「超級專業化的」。換句話說，FPGA 在各種不同的任務中效率很高，特別是那些與圖像和影像處理相關的任務。

ASIC

ASIC 是加速器晶片，專為非常具體的用途而設計 —— 在這種情況下，是人工智慧。它們是為支援特定應用程式而客製化的。ASIC 提供與 FPGA 相似的計算能力，但它們無法重新寫程式。由於它們的電路針對一個特定任務，進行了最佳化，因此與通用處理器，甚至其他人工智慧晶片相比，它們通常提供卓越的效能。谷歌的張量處理單元是 ASIC 的一個例子，它明確地為提高機器學習效能而精心製作。

NPU

神經處理單元（NPU）是現代附加元件，使 CPU 能夠處理人工智慧工作負載，並且與 GPU 相似，只是它們的設計目的是建構深度學習模型和神經網路。因此，NPU 擅長處理大量資料，以執行一系列高階人工智慧任務，如物件檢測、語音辨識和影像編輯。由於其功能，在人工智慧流程方面，NPU 往往優於 GPU。

人工智慧晶片用途

如果沒有這些專門的人工智慧晶片，現代人工智慧根本不可能實現。這只是它們被使用的一些方式。

大型語言模型

人工智慧晶片加快了人工智慧、機器學習和深度學習演算法的訓練和改進速度，這在開發大型語言模型（LLM）中特別有用。他們可以利用並行處理順序資料，並最佳化神經網路的操作，提高 LLM 的效能 —— 以及聊天機器人、人工智慧助手和文字生成器等生成人工智慧工具。

邊緣人工智慧

人工智慧晶片使人工智慧處理，幾乎可以在幾乎任何智慧裝置（手錶、攝影機、廚房電器）上進行，這個過程被稱為邊緣人工智慧。這意味著處理可以在更接近資料來源的地方，而不是在雲端進行，從而減少延遲，並提高安全性和能源效率。人工智慧晶片可用於從智慧家居到智慧城市的任何東西。

自動駕駛汽車

人工智慧晶片有助於提高無人駕駛汽車的能力，為它們的整體智慧和安全做出了貢獻。它們能夠處理和解釋車輛攝影機、雷射雷達和其他感測器收集的大量資料，支援影像辨識等複雜任務。它們的並行處理能力實現了即時決策，幫助車輛自主導航複雜環境，檢測障礙物並應對動態交通狀況。

機器人技術

人工智慧晶片在各種機器學習和電腦視覺任務中很有用，允許各種機器人更有效地感知和響應其環境。這對機器人的所有領域都有幫助，從收穫農作物的協作機器人，到提供陪伴的人形機器人。

為什麼人工智慧晶片比普通晶片好？

在人工智慧的開發和部署方面，人工智慧晶片比普通晶片好得多，這要歸功於其許多獨特的設計屬性。

人工智慧晶片具有並行處理能力

也許通用晶片（如CPU）和人工智慧晶片之間，最突出的區別，在於它們的計算方法。通用晶片採用順序處理，一次完成一個計算，而人工智慧晶片利用並行處理，同時執行多個計算。這種方法意味著大而複雜的問題，可以分成更小的問題，同時解決，從而實現更快速、更高效的處理。

人工智慧晶片更節能

人工智慧晶片的設計比傳統晶片更節能。一些人工智慧晶片結合了低精度算術等技術，使它們能夠用更少的電晶體進行計算，從而減少能量。由於它們擅長並行處理，AI 晶片可以比其他晶片更有效地分配工作負載，從而最大限度地減少能源消耗。從長遠來看，這有助於減少人工智慧行業的大量碳足跡，特別是在資料中心。

使用人工智慧晶片，也可以幫助邊緣人工智慧裝置，更高效地執行。例如，如果你希望你的手機能夠收集和處理你的個人資料，而無需將其傳送到雲伺服器，那麼為手機供電的人工智慧晶片，必須針對能源效率進行最佳化，這樣它們就不會耗盡電池電量。

人工智慧晶片產生更準確的結果

由於人工智慧晶片是專門為人工智慧設計的，它們往往能夠比普通晶片更準確地執行影像電視和自然語言處理等，人工智慧相關任務。他們的目的是精確地執行人工智慧演算法中，涉及的複雜計算，從而減少出錯的可能性。這使得人工智慧晶片成為更高風險的人工智慧應用的明顯選擇，如醫療成像和自動駕駛汽車，其中快速精度是必不可少的。

人工智慧晶片可以定製

與通用晶片不同，一些人工智慧晶片（例如 FPGA 和 ASIC）可以客製化，以滿足特定人工智慧模型，或應用程式的要求，使硬體能夠適應不同的任務。

定製包括微調某些參數（訓練模型中的變數），以及針對特定的人工智慧工作負載最佳化晶片的架構。這種靈活性對人工智慧的推進非常重要，因為它使開發人員能夠根據自己的獨特需求客製化硬體，適應演算法、資料類型和計算要求的變化。

人工智慧晶片的未來

雖然人工智慧晶片在提高人工智慧能力方面，發揮著非常重要的作用，但其未來充滿了挑戰，如供應鏈瓶頸、脆弱的地緣政治格局和計算限制。

壟斷問題

目前，Nvidia 是人工智慧硬體和軟體的最主要供應商，控制著全球 GPU 市場佔有率的 80% 左右。但這種主導地位並非沒有爭議。與微軟和 OpenAI 一起，Nvidia 因可能違反美國反壟斷法而受到審查。

2024 年，Xockets 指控 Nvidia 盜竊專利和違反反壟斷。這家新創公司聲稱，網路公司 Mellanox 首先實施了專利盜竊，現在 Nvidia 在 2020 年收購了 Mellanox 後負責。如果 Nvidia 被判有罪，後果可能會在人工智慧晶片行業內造成重大動盪。

此外，一些大型科技公司正在努力追趕輝達的人工智慧晶片領先地位。例如，亞馬遜推出了 Trainium 2 晶片，聲稱它以一小部分成本，實現了與 Nvidia 的 H100 晶片相同的效能。據路透社報導，OpenAI 還計劃在 2025 年完成其晶片設計，以提高其在與其他晶片製造商談判中的影響力。

OpenAI 晶片將由台灣半導體製造公司（TSMC），使用與 Nvidia 的 Blackwell 架構相同的 3 奈米工藝製造，該架構也於 2025 年推出。中國資訊和通訊技術公司華為也開發了自己的人工智慧晶片 —— 名為 Ascend 910D ——據報導，它正準備對其進行測試，希望能夠與輝達的 H100 晶片相媲美。華為計劃最早在 2025 年 5 月開始出貨 910D 晶片。

供應鏈瓶頸

台積電製造了大約 90% 的世界先進晶片，為從蘋果的 iPhone 到特斯拉的電動汽車提供動力。它也是 Nvidia 強大的 H100 和 A100 處理器的唯一製造商，這些處理器為大多數人工智慧資料中心提供動力。

台積電對市場的控制在全球供應鏈中造成了嚴重的瓶頸。該公司的生產能力和資源有限，這阻礙了其滿足對人工智慧晶片日益成長的需求的能力。

CNAS 的 Fist 說：「目前對這些晶片的需求遠遠超過了供應。」「如果你是一名人工智慧開發人員，並且想購買 10,000 個 Nvidia 的最新 GPU，你可能需要幾個月或幾年才能拿到它們。」

此外，2025 年 4 月，川普總統暗示對進口半導體徵收新關稅。由於美國依賴臺灣和亞洲其他國家提供大部分半導體供應，這可能會導致人工智慧晶片及其系統的成本增加，供應減少，動搖美國。人工智慧行業。

隨著關稅迫在眉睫和供應短缺，台積電迅速採取行動準備。台積電的子公司日本先進半導體製造（JASM）在熊本建了一家工廠，於 2024 年開始大規模生產晶片。台積電還在亞利桑那州建造三家最先進的半導體工廠，其中第一家已經在 2024 年開始生產晶片，第二家計劃於 2028 年開始生產晶片。

與此同時，微軟、谷歌和亞馬遜等知名人工智慧製造商正，在設計自己的客製化人工智慧晶片，以減少對輝達的依賴。

在名為 UXL 基金會的公司財團的帶領下，也有更廣泛的嘗試來對抗輝達的主導地位。例如，基金會開發了 Nvidia 的 CUDA 平台的開源替代品，英特爾用其 Gaudi 3 晶片直接挑戰了 Nvidia。此外，英特爾和 AMD 為膝上型電腦和桌上型電腦建立了自己的處理器，而高通憑藉其人工智慧 PC 處理器加入了擁擠的領域。

脆弱的地緣政治景觀

台灣在全球人工智慧晶片供應中發揮著核心作用，中國將其視為一個流亡省份，而不是一個獨立國家。因此，一些分析師認為，中國可能會在十年內入侵，這將影響臺積電製造人工智慧晶片的能力，並使整個人工智慧行業處於危險之中。

與此同時，在美國和中國之間的緊張關係中，前總統喬·拜登於 2022 年推出了一套全面的出口管制，極大地限制了中國獲得人工智慧晶片、晶片製造裝置和晶片設計軟體（其中大部分由 Nvidia 等美國公司控制）。儘管像英特爾這樣的公司仍然可以在中國推出新的人工智慧晶片，但他們必須限制這些晶片的效能。中國也在尋求像華為這樣的 Nvidia 的本土替代品，但軟體錯誤阻礙了這些努力。

研究重點是美中科技競爭的 Dohmen 說：「我們希望限制中國的軍事現代化，我們擔心中國政府使用人工智慧晶片開發大規模殺傷性武器。」但這也歸結為對人工智慧主導地位的渴望。「我們想成為第一，我們想成為技術和人工智慧創新方面最好的。」

隨著美國努力限制中國獲得人工智慧硬體，它也正在採取措施，減少自己對東亞晶片製造設施的依賴。除了促進亞利桑那州的兩家台積電工廠外，美國政府還透過《CHIPS 和科學法》在亞利桑那州鳳凰城獲得了第三個台積電站點，還預留了超過 520 億美元的聯邦資金和激勵措施，以支援美國半導體製造、研發。

計算限制

開發人員正在建立更大、更強大的模型，推動計算需求。 Fist說：「晶片需要跟上。」但人工智慧晶片的計算資源有限。

Fist 補充說：「擴充最先進的人工智慧系統所需的晶片數量每年成長約四倍，這是巨大的。」與此同時，晶片的演算法效率，即用更少的晶片做更多工作的能力，每年成長兩倍。「就我們需要多少晶片，以及它們需要多強大而言，這些要求超過了該行業目前能夠提供的。」

公司不是簡單地向問題投擲更多籌碼，而是急於想辦法改進人工智慧硬體本身。

一個關鍵的興趣領域是記憶體計算，它消除了資料儲存位置（記憶體）和資料處理位置（邏輯）之間的分離，以加快速度。像 Nvidia 和 AMD 這樣的人工智慧晶片設計師，已經開始採用人工智慧演算法，來提高硬體效能和製造過程。所有這些工作對於跟上人工智慧的迅猛步伐非常重要。

Fist 說：「所有這些不同的指數趨勢都在起作用。」「因此，我們急於弄清楚如何為人工智慧建構更專業的晶片？或者，我們如何在堆疊的其他部分進行創新？」