当然，除了深鉴科技，据称中国另外一家知名AI芯片初创企业地平线的所谓AI芯片BPU也是基于FPGA上的二次开发。既然是基于FPGA，那么最核心的底层架构就离不开我们上述的赛灵思、阿尔特拉、莱迪思和美高森美FPGA平台的借鉴和支持。即便是真的具有核心架构颠覆性的创新，由于FPGA已经被这四家企业瓜分，也难有可以维持生存的立足之地。

最会再看ASIC。在国外大厂几近垄断CPU、GPU和FPGA市场的情况下，再加上技术壁垒很高，中国AI芯片厂商在芯片领域一直缺乏关键核心自主技术，仅凭市场、企业单方面的力量难以在CPU、GPU和FPGA方面有所突破，只能另辟蹊径。从目前来看，中国AI芯片厂商更多的是以中小公司为主，与实际应用需求结合，集中于设备端的AI ASIC开发，就某一垂直领域进行优化，以低功耗低成本取胜。例如中国知名的AI芯片初创企业寒武纪就是此类。

这里我们并非说ASIC在AI芯片领域没有前景，恰恰相反，此前名扬业内的谷歌TPU就是基于ASIC。不过需要说明的是，谷歌之所以开发TPU，是基于其自身数据中心的应用规模，而规模是决定采用ASIC效益的关键。

尽管自身庞大应用规模的TPU在业内引起了好评，但谷歌首席科学家Greg Corrado在此前召开的谷歌AI技术分享会上还是提出了不同的观点，他说，“至少迄今为止，我也没有看到完全不同于传统计算芯片的成功案例。相反，我们认为应对现有的芯片做AI方面专门的优化，使现在的芯片完成AI任务时速度更快，功耗更低，整体的效益更高。”这也是为何谷歌有了TPU，但依然会在其数据中心采用CPU和GPU的原因。言外之意，TPU只是针对数据中心某些应用相对于CPU和GPU的补充和优化，并不能成为主流。

具体到中国，为了规避ASIC开发周期长和投入大的风险，基于ASIC开发的所谓AI芯片基本是采取SoC+IP的模式，即相比ASIC，SoC+IP模式的上市时间短，成本较低，并且IP可以更灵活地满足用户需求。IP公司专注于IP模块的设计，SoC公司则专注于芯片集成，分工合作，提高效率。此前华为麒麟芯片与寒武纪IP结合在智能手机上的应用就属此种模式。但前提是规模（华为手机巨大的出货量）及SoC的支持。那么对于中国市场而言，能有多少像华为这样的规模用户。ASIC独木难成林。

更让ASIC前景难料的是，业内有一种分析和观点认为，FPGA受益于芯片NRE费用指数级上升带来的规模效应。随着制程工艺不断提高，芯片NRE费用指数级上升，越来越多的ASIC芯片将由于达不到规模经济而被迫放弃，从而转向直接基于FPGA开发设计。

据Tractica估计显示，到去年为止，深度学习应用中还几乎找不到FPGA的身影，但是，到2025年，它的部署会和CPU的部署量相当(如果不能超过CPU的话）。其结果就是，到2025年，FPGA将会在总规模达122亿美金的深度学习芯片组市场获得显著的市场份额。