异构计算与 AI 芯片的技术背景
不同处理单元针对串行控制、并行计算和矩阵运算分工，芯粒、堆叠内存和先进封装改善带宽与制造效率。
硬件不再只追求通用性能，而是围绕能效和具体工作负载优化，推动生成式 AI、自动驾驶和科学计算。
信息技术发展史 · 阶段 07
异构计算与 AI 芯片
2010年代至今CPU、GPU、NPU 等计算单元协同工作，先进封装、芯粒和专用加速器支撑云计算、图形创作与人工智能。
这一阶段的重要事件
- 2010年代，GPU 成为深度学习训练的重要平台。
- NPU、TPU 等专用机器学习架构快速发展。
- 芯粒、3D 封装和高带宽内存缓解制造与数据传输压力。
- 云端加速器和终端 AI 芯片同步发展。
典型设备、技术与实践
GPU 加速器、NPU、芯粒处理器
这些成果既反映了当时的工程能力，也成为后续技术演进的重要参照。它们推动相关部件逐步标准化，并让信息技术从单点实验走向更广泛的实际应用。