1、ARM

迄今为止，全球85%的智能移动设备中都采取了ARM架构，其中，超过95%的智能手机运用了ARM的处理器，在智能硬件和物联网高速发展的如今，ARM有着绝对的地位。

此外，根据其2015年Q4财报，ARM所授权的芯片主要都用在了移动计算、智能汽车、安全系统和物联网。在智能汽车领域，包括NVIDIA、高通在内都是基于ARM设计开发了面向驾驶辅助系统的超级计算机。早前，对于收购ARM一事，软银CEO孙正义就曾明确表示ARM芯片将推动人工智能走向奇点。而在收购之后，软银也对ARM早已开始的人工智能项目“Blue Sky Program”表示了极大的支持。

2、英伟达

凭借具备识别、标记功能的图像处理器，在人工智能还未全面兴起之前，英伟达就先一步掌控了这一时机。在2016年，英伟达更是一连发布了多款针对深度学习的芯片，像4月份发布的一款可执行深度学习神经网络任务的Tesla P100 GPU，又比如9月份发布的基于Pascal架构的深度学习芯片Tesla P4和Tesla P40，其中，Pascal架构能助推深度学习加速65倍。

除了研发芯片，英伟达还发布了多个用于不同领域的硬件和平台，进一步扩大了自己的人工智能布局。在CES 2017上，英伟达发布的自动驾驶芯片XAVIER AICAR SUPERCOMPUTER、智能家居硬件Spot以及搭载了人工智能系统ProAI(由ZF、英伟达联合研发)的车载电脑等。据悉，ProAI系统可以通过深度学习处理来自汽车传感器和摄像头的数据，能够清晰的识别周围环境，在高清地图上精确定位，为车辆规划出一条安全的前行道路，进一步适用于高速公路自动化驾驶。

3、中星微

在极度依赖国外进口的我国芯片产业中，中星微可谓一匹突出重围的“黑马”。在2016年6月份，中星微率先推出了中国首款嵌入式神经网络处理器(NPU)芯片“星光智能一号”，这也是全球首枚具备深度学习人工智能的嵌入式视频采集压缩编码系统级芯片，并已于3月6日实现了量产。

该芯片采用了“数据驱动”并行计算的架构，单颗NPU(28nm)能耗仅为400mW，极大地提升了计算能力与功耗的比例，可以广泛应用于智能驾驶辅助、、等嵌入式领域。

4、Intel & Nervana

在2016年11月，Intel公司发布了一个叫做Nervana的AI处理器，他们宣称会在明年年中测试这个原型。如果一切进展顺利，Nervana芯片的最终形态会在2017年底面世。这个芯片是基于Intel早前购买的一个叫做Nervana的公司。按照Intel的人所说，这家公司是地球上第一家专门为AI打造芯片的公司。

Nervana一直在努力将机器学习功能全力引入到芯片之中，是人工智能ASIC芯片供应商。得到Intel的支持后，Nervana正计划推出其针对深度学习算法的定制芯片Nervana Engine。据Nervana相关人员表示，相比GPU，Nervana Engine在训练方面可以提升10倍性能。

5、IBM

百年巨人IBM，在很早以前就发布过wtson，现在他的人工智能机器早就投入了很多的研制和研发中去。而在去年，他也按捺不住，投入到类人脑芯片的研发，那就是TrueNorth，邮票大小、重量只有几克，但却集成了54亿个硅晶体管，内置了4096个内核，100万个“神经元”、2.56亿个“突触”，能力相当于一台超级计算机，功耗却只有65毫瓦。

TrueNorth是IBM参与DARPA的研究项目SyNapse的最新成果。这种芯片把数字处理器当作神经元，把内存作为突触，跟传统冯诺依曼结构不一样，它的内存、CPU和通信部件是完全集成在一起。因此信息的处理完全在本地进行，而且由于本地处理的数据量并不大，传统计算机内存与CPU之间的瓶颈不复存在了。同时神经元之间可以方便快捷地相互沟通，只要接收到其他神经元发过来的脉冲(动作电位)，这些神经元就会同时做动作。

6、谷歌

谷歌的人工智能相关芯片就是TPU。也就是Tensor Processing Unit。

TPU是专门为机器学习应用而设计的专用芯片。通过降低芯片的计算精度，减少实现每个计算操作所需的晶体管数量，从而能让芯片的每秒运行的操作个数更高，这样经过精细调优的机器学习模型就能在芯片上运行的更快，进而更快的让用户得到更智能的结果。Google将TPU加速器芯片嵌入电路板中，利用已有的硬盘PCI-E接口接入数据中心服务器中。

7、krtkl

创立于2015年的krtkl致力于创造“一个微小的无线电脑用来创造一些完全不同的东西”。这款开拓板是基于XilinxZynq SoC，集成了ARM处置器和可编程FPGA。用户甚至可以经过手机上的专用APP对其举行编程，供230个用户可用的I/O接口，应用灵巧兼容很多扩展板卡，其特征如下：选择Zynq 7010SoCchip，集成双核ARM Cortex-A9@667Mhz处置器和430K LUT的FPGA资源(可晋级为Zynq 7020@866Mhz1.3M LUT)。

这款开拓板的一大亮点是不仅支援传统的MicroUSB程序烧写，终端调试等效能，还支援手机终端操控，应用官方供的Apps，经过Wi-Fi连接开拓板，用户可以下载程序，管脚把持，管脚复用以及体系把持能效能。

8、微软

微软蛰伏六年，打造出了一个迎接AI世代的芯片。那就是Project Catapult。这个FPGA 目前已支持微软Bing，未来它们将会驱动基于深度神经网络——以人类大脑结构为基础建模的人工智能——的新搜索算法，在执行这个人工智能的几个命令时，速度比普通芯片快上几个数量级。有了它，你的计算机屏幕只会空屏 23 毫秒而不是 4 秒。

9、地平线

由余凯创立于2015年的初创企业Horizon Robotics(地平线机器人)已经从包括Sequoia和传奇的风险资本家Yuri Milner等投资人获得了未透露金额的种子基金。后来更是获得了已经获得了晨兴、高瓴、红杉、金沙江、线性资本、创新工场和真格基金的联合投资。他们正在着手于建立一个一站式人工智能解决方案，定义“万物智能”，让生活更便捷、更有趣、更安全。

地平线致力于打造基于深度神经网络的人工智能 “大脑” 平台 - 包括软件和芯片，可以做到低功耗、本地化的解决环境感知、人机交互、决策控制等问题。

10、KnuEdge

KnuEdge实际上并不是一个初创公司，它由NASA的前任负责人创立，已经在一个隐形模式下运营了10年。KnuEdge最近从隐形的模式中走出，并让全世界知道他们从一个匿名的投资人获取1亿美元的投资用来开发一个新的“神经元芯片”。

KUNPATH提供基于LambaFabric的芯片技术，LambaFabric将会通过与现在市场上的GPUs、CPUs和FPGAs完全不同的架构进行神经网络的计算。LambdaFabric本质上是为在高要求的运算环境下向上拓展至512000台设备而设计，机架至机架延迟时间只有400毫微秒，低功耗的256核处理器。