四年前，OpenAI发表了一篇关于大型语言模型领域的「缩放定律」（Scaling Law）的论文。「缩放定律」表明，对大语言模型进行更多计算能力和数据方面的训练，可以提高其预测下一个单词的准确性...利用「缩放定律」训练大模型还隐含着一个副作用：强行使用更大、更耗电的模型可能会对环境产生灾难性的影响，因为服务器和

研究团队成员Vinod Sangwan表示，这种节能晶体管对于某些使用人工智能的设备可能特别有价值，这些设备要么电池寿命有限，要么无法对运行在遥远数据中心的人工智能保持持续的无线连接。

英伟达的壁垒，并不是GPU硬件性能，而是基于CUDA的开发环境。虽然华为在这方面也在开发类似的CANN，但相对于已经推出超过15年的CUDA来说，差距还比较明显。

苹果涉足芯片研发，可以从1991年说起。当年，苹果与IBM、摩托罗拉成立了PowerPC联盟，共同研发和生产PowerPC系列处理器。PowerPC主打RISC（精简指令集），相比英特尔x86采用的CISC（复杂指令集）更擅长流水作业，有利于提升处理器的速度。

2018年，自然语言处理NLP领域进入了LLM时代。Transformer的提出，使得深度学习模型参数突破了1亿，GPT-1也应用了上亿规模的参数量，数据集约有25亿单词量......芯片制造业是一项极为复杂、困难的技术活动，需要高超的人才、雄厚的资金和长期的研发投入。尤其是在制程工艺、芯片设计和设备研发等方面，需要积累大量

来自美国能源部（DOE）阿贡国家实验室的研究人员描述了多种基于AI的方法来自动优化ALD工艺。详细说明了每种方法的相对优势和劣势，以及可用于更有效、更经济地开发新流程的见解。该研究以《用于优化原子层沉积的智能代理》「Intelligent Agents for the Optimization of Atomic Layer Deposition」为题发表在

机器学习可以在不同处理器上运行，选择取决于关注的指标。现存的CPU就可执行轻量的机器学习。数据中心的训练芯片对速度要求极高，技术与制程门槛高。与多元化应用结合的推理芯片百花齐放，在边缘进行更多的推理，可降低延迟与提高数据安全，与数据中心服务器或大型GPU相比，边缘推理所需的功耗需要低几个数量级。

A系列芯片只是其自研芯片的一种，其旗下芯片还包括用于智能应用的M系列协助处理器，用于Apple Watch智能手表的S系列芯片，以及用于MacBook Pro安全隐私保护的T系列芯片等等。为了构建自己“软硬一体”的闭环生态，苹果在芯片这个核心元器件上下足了功夫。

以智慧安防为例，早期摄像头是不具备边缘侧AI功能的，要传输视频流到云端进行处理，而目前比较先进的方法是先在边缘侧通过AI芯片做视频的图片化和结构化处理，再上传到云端进行进一步处理，降低了带宽要求。

截至目前，人工智能的繁荣靠的是GPU（图形处理器）。20世纪90年代，Nvidia为满足游戏软件的需求发明了GPU。它为持续地处理大量数据而生，旨在提升游戏细节图的分辨率，达到高帧率的效果。跟CPU不一样的是，GPU可以同时完成数千次计算。2010年代初，人工智能的研究人员发现Nvidia的游戏芯片很适合应用于机器学习算法。

这些城市IC政策的战略交锋点可以归结为四个方面，分别为投融资政策、人才政策、研发政策和流片政策......基金规模最高的是深圳和上海，都为500亿人民币......杭州市的IC产业发展路径较为明确，一是优先发展IC设计业；二是选择有基础的IC制造领域，加大对MEMS、汽车电子和MRAM等特色工艺的研发力度；三是有选择地发

戴维斯：目前，人工智能技术已被嵌入到Xeon处理器中，这是英特尔的一大竞争优势。如果你想知道这项技术究竟有多强，那我可以告诉你，它让我们的芯片拥有比竞争对手高出9倍的性能。因为我们已经耗费大量时间来钻研这项技术，并将其进行了充分的优化。