AI芯片
AI芯片，一般是指针对AI算法的ASIC（专用芯片）。传统的CPU、GPU都可以拿来执行AI算法，但是速度慢，性能低，无法实际商用。
比如，自动驾驶需要识别道路行人红绿灯等状况，但是如果是当前的CPU去算，那么估计车翻到河里了还没发现前方是河，这是速度慢，时间就是生命。如果用GPU，的确速度要快得多，但是，功耗大，汽车的电池估计无法长时间支撑正常使用，而且，老黄家的GPU巨贵，经常单块上万，普通消费者也用不起，还经常缺货。另外，GPU因为不是专门针对AI算法开发的ASIC，所以，说到底，速度还没到极限，还有提升空间。而类似智能驾驶这样的领域，必须快！在手机终端，可以自行人脸识别、语音识别等AI应用，这个必须功耗低，所以GPU OUT！
所以，开发ASIC就成了必然。
FPGA
FPGA是英文FieldProgrammableGateArray的缩写，即现场可编程门阵列，它是在可编程阵列逻辑PAL（ProgrammableArrayLogic）、门阵列逻辑GAL（GateArrayLogic）、可编程逻辑器件PLD（ProgrammableLogicDevice）等可编程器件的基础什么是FPGA上进一步发展的产物。
它是作为专用集成电路ASIC（ApplicationSpecificIntegratedCircuit）领域中的一种半定制电路而出现的，既解决了定制电路的不足，又克服了原有可编程器件门电路数有限的缺点。FPGA能完成任何数字器件的功能，上至高性能CPU，下至简单的74系列电路，都可以用FPGA来实现。FPGA如同一张白纸或是一堆积木，工程师可以通过传统的原理图什么是输入法，或是硬件描述语言自由设计一个数字系统。通过软件仿真，我们可以事先验证设计的正确性。在PCB完成以后，还可以利用FPGA的在线修改能力，随时修改设计而不必改动硬件电路。使用FPGA来开发数字电路，可以大大缩短设计时间，减少PCB面积，提高系统的可靠性。PLD的这些优点使得PLD技术在90年代以后得到飞速的发展，同时也大大推动了电子设计自动化EDA（ElectronicDesignAutomatic）软件和硬件描述语言VHDL（Very-High-SpeedIntegratedCircuitHardwareDescription）的进步。
认知计算
不同于人工智能的目标，认知计算不是制造“为人们思考”的机器，而是与“增加人类智慧”有关，能够帮助我们更好地思考和做出更为全面的决定
认知计算作为一种全新的计算模式，通过信息分析，自然语言处理和机器学习领域的大量技术创新，能够“理解”非结构化数据，包括语言、图像、视频等，让计算机系统能够像人的大脑一样学习、思考，进行数据分析并做出正确的决策。
人工智能是一系列旨在模仿行为，模仿思维，智能行为，理性行为，同情行为的事物的集合。而认知计算是一种显著的方法来管理大量的信息，以便摄入到所谓的认知堆栈，然后便能够在所有摄取的材料之间创建连接，使得用户可以发现特定问题，或者可以探索未被预期的特定问题。
随着即将到达的万物互联时代，基于越来越多的采集数据，认知计算将使传感器能够自动诊断和进行决策，而不需要人为干预。IBM全球CEO罗睿兰更断言：“未来是认知的，而我们正朝着一个认知的物联网前进。”
