该公司表示，为此处显示的 CS-1 芯片供电的 Cerepas 晶圆规模引擎是最大 GPU 的 56 倍。
分散且日益专业化的 AI 芯片市场将导致 AI 应用程序的开发人员不得不为即将到来的项目做出平台选择，这些选择具有潜在的长期影响。
AI 芯片专业化可以说是从图形处理单元开始的，最初为游戏开发，然后部署用于深度学习等应用。当NVIDIA在2007年发布其CUDA工具包，使GPU可编程时，它向更广泛的开发人员开放了市场，最近，由Svan Sparks，坚定的AI首席执行官Evan Sparks撰写了一个账户。
GPU 处理能力迅速提高。最初设计用于渲染图像的芯片现在是支持 AI 研发的主力。Evans指出，许多使Fortnite以每秒120帧的速度运行所必需的线性代数例程，现在正为神经网络提供动力，成为计算机视觉、自动语音识别和自然语言处理等高级应用的核心。
专业人工智能芯片的市场预测具有侵略性。Gartner 预计专业 AI 芯片销售额在 2019 年将达到 80 亿美元，到 2023 年增长到 340 亿美元。埃文斯公司报告，NVIDIA的内部预测显示，到2023年，AI芯片销售额将达到500亿美元;大多数用于数据中心 GPU 的预期用于为深度学习提供动力。亚马逊、ARM、苹果、IBM、英特尔、谷歌、微软、NVIDIA和高通正在进行定制硅研究。许多初创公司也参与竞争，包括Cerepas、Graphcore、Groq、神话人工智能、SambaNova系统和波浪计算，它们共同筹集了超过10亿美元。
联盟市场研究公司预计，到2025年，全球人工智能芯片市场将达到910亿美元，在此之前，其年增长率将达到45%。根据《环球新闻》的一份新闻稿，市场驱动因素包括对智能家居和智能城市的需求激增，对人工智能初创公司的投资增加，量子计算的出现，以及智能机器人的崛起。然而，由于技术工人太少，市场增长放缓。
据联合公司说，市场分为芯片类型、应用型、工业纵向型、技术加工型和区域型。芯片类型分为GPU、应用专用集成电路（ASIC）、现场可编程门阵列（FPGA）、中央处理单元（CPU）等。ASIC部门预计到2025年，以每年52%的速度增长最快。
在最近于旧金山举行的国际电子设备会议（IEDM）上，IBM讨论了在硬件系统上的创新问题，根据《数字杂志》的一篇报道，这些硬件系统随着人工智能软件和数据工作负载的需求而进步。
亮点之一：纳米表技术旨在满足人工智能和5G的要求。研究人员讨论了如何堆叠纳米板晶体管和多Vt解决方案（多阈值电压器件）。
相变记忆（PCM）已成为传统冯诺伊曼系统的替代方案，用于训练深度神经网络（DDN），其中突触重量由设备传导表示。然而，电导值（称为电导漂移）的时态演化对突触权重的可靠性提出了挑战。IBM 提出了一种减少 PCM 传导漂移影响的方法。IBM 还展示了超低功耗原型芯片，具有在边缘计算设备中实时执行 AI 任务的潜力。
在伊利诺伊州的一个科学和工程研究机构Argoonne国家实验室，一个推动人工智能芯片设计的特定应用的例子正在发生。找到癌症患者能够最好地反应的药物，可以检验现代科学的局限性。根据AIMed（AI在医学中的一个帐户），随着人工智能的出现，科学家能够将机器学习和基因组学结合起来，对数据进行测序，并帮助临床医生更好地了解如何为个别患者量身定做治疗计划。
阿贡国家实验室采用CS-1用于癌症研究
阿贡最近宣布首次部署新的人工智能处理器，CS-1，由Cerepas开发，计算机系统启动。该芯片可加快深度学习算法的培训速度。CS-1据说拥有有史以来制造速度最快、最大的人工智能芯片。
Argonne 计算、环境和生命科学副实验室主任 Rick Stevens 在一份新闻稿中表示："通过部署 CS-1，我们大幅缩减了整个神经网络的培训时间，使我们的研究人员能够提高工作效率。
CS-1 还能够以易于使用的方式可靠处理科学数据，包括具有来自不同数据源的数据的更高维数据集。史蒂文斯说，与计算机视觉或语言应用相比，为这些模型而开发的深度学习算法极其复杂。
CS-1的主要工作是加快开发和部署新的癌症药物模型的速度。希望阿贡实验室能够得出一个深度学习模型，该模型可以预测肿瘤对药物或两种或两种多种药物的组合会如何反应。
