另一方面，AI算法的接入，对设备端芯片的并行计算能力和存储器带宽也提出了更高的要求，而尽管基于GPU的传统芯片能够在终端实现推理算法，但其并非针对深度学习设计，能效比远低于AI专用芯片。

黄伟指出，无论是CPU还是GPU、FPGA，现有的芯片架构并非为 AI 专门设计，并不能满足物联网AI算力需求，且考虑了太多的向后兼容性，因此在性能上远非最优，“基于业务方面对芯片产品、场景的反复验证，以及对AIoT终局的判断，云知声在2014年就明确必须自主研发面向物联网的AI芯片。”

较之于传统芯片，定制化的AI芯片由于应用场景和AI算法相对确定，因此在硬件设计上更加专门化，在面向此类任务时其相对于通用芯片在计算密度及功耗上有绝对优势。因此，相较通用芯片而言，AI芯片可以在更低的主频、更小的芯片面积，完成机器学习中同等任务量的计算，做到成本、功耗、算力等多维需求之间的平衡。

云知声成立于2012年，一直专注于物联网人工智能服务，是当前国内为数不多拥有算法、计算能力、芯片能力全栈式技术链条的人工智能龙头企业。

相关报道: