随着硅基计算逐渐受到摩尔定律瓶颈的制约，许多IT公司开始将发展重心转向需要新架构解决其性能和功耗问题的AI计算。另一个重点是量子计算，根据咨询公司的最新研究，它与现有的硅架构系统完全不同，但具有强大的解决复杂问题的能力。随着云相关应用越来越依赖人工智能计算和高性能计算（HPC），同时智能汽车、AR/VR 和物联网设备对更佳功耗的需求不断上升，新计算技术的发展预计将带动在接下来的几年内关闭。HFdesmc
得益于2012年以来的深度学习模型训练和GPU强大的计算能力，人工智能计算在计算机视觉和自然语言处理（NLP）相关领域已经超越人类。DIGITIMES Research的调查结果显示，它还有助于相关应用市场的增长。HFdesmc
目前人工智能模型的训练主要有两个方向：一是中超大型神经网络通过超级计算机或海量GPU集群系统进行预训练。其次，智能手机和 AR/VR 等小型低功耗系统通过深度学习加速器 (DLA) 和微控制器 (MCU) 进行训练，以实现最高效的每瓦性能。HFdesmc
不同的异构处理器在性能和每瓦效率上输出不同的结果，但它们都遵循相同的规律，即性能越高，每瓦效率越低。目前，超高每瓦效率（接近或大于1petaOPS/W）的处理器仍处于研发阶段，神经形态计算的内存计算（CIM）和模拟AI处理器是重点发展方向。HFdesmc
量子计算，通过设计量子电路和量子门，利用量子比特强大的物理特性来解决当代计算机无法解决的模拟、搜索或代数问题。量子比特可以通过电子、原子或光子产生。主要由IBM和谷歌开发的超导技术是目前构成量子计算机的最主流方法，但光子和俘获离子等其他技术仍有机会迎头赶上。HFdesmc
量子计算机的性能由其量子比特数来判断。IBM 于 2022 年 11 月宣布的最新量子处理器 Osprey 已经具有 433 个量子位。这家美国公司将推出具有 1,000 多个量子比特的量子计算机，并将于 2023 年将该产品商业化。HFdesmc
责编：Editordan
