从“一招制敌”的fpga，到更加先进的dsp、soc，从模块化设计的fusionflow到集成光电陀螺仪等。在人工智能、新材料、超高集成度、新能源等方面，国产芯片都在向高端领域迈进，对于我们而言，这个市场是非常有利可图。这个市场将成为我们产品开发和创新、科技研发的一个突破口。谢邀。人工智能、新材料、新能源、超高集成度、新能源等方面，都在加速超高端芯片研发突破。
谢邀。目前国内在人工智能芯片方面还是比较薄弱的，也只是在算法等层面去挖掘，还没有完全攻克算法层面问题，这也是为什么看上去人工智能芯片大部分都是国外品牌的原因所在。人工智能芯片有广泛的应用场景，而且是核心的部件，所以在研发突破方面都非常迫切。我只知道，高端芯片方面，国内差国外太远，如果国内高端芯片有所突破，国外就会不爽，这就是为什么美国很多事情想到的不是去搞中国，而是看看中国的某些事，觉得还搞不了，就怂怂的。有一句话怎么说来着来着，不管什么时候发现，中国已经不是世界第一大经济体了，这个时候美国就想搞中国。
一般来说有以下六个层面：1.材料。材料都不好，芯片就甭想好了。人工智能和其它专用的人工智能芯片都是高性能材料或者非常非常优异的复杂材料。比如我们目前在gpu上的基本都是nvidia提供的asic，它们在设计人员完成图像特征提取这种基本任务的时候，所需要的totalpower相对于asic来说是很低的。但我们如果想将asic做到一半gpu这么大的话，也一样需要大量的低端材料和极致的功耗。而对于人工智能的高性能芯片（比如说gpu）的设计中gpu需要有更先进的terminalcore(tpc)。2.设计、数模电。高性能人工智能芯片需要对于这些芯片最新的数模电特性有比较深的了解。
3.算法。高性能人工智能芯片除了要在图像处理方面有着良好的理论基础之外，还需要在人工神经网络这块有相当深的理解。比如人工神经网络的一级循环、二级循环、三级循环方面都是哪些数模电和数电层面的内容，算法上ai芯片的深度学习算法需要学习哪些特性。4.ai的架构设计、算力设计等。5.物理的硬件电路等。以及各个元件可靠性等多个方面。6.集成化、大规模集成。我一直觉得高性能的芯片，不管是芯片设计的前端设计，还是硬件开发和制造，设计、验证、硬件测试等环节都需要一些超高的性能。可以不需要很好的cpu或gpu性能，但芯片一定要超高的性能。
