• 通用芯片是為了解決一些通用的任務而設計的，主要為各種架構的CPU（中央處理器）芯片，例如x86、ARM、MIPS、PowerPC、RISC-V等等，這類芯片往往可以運行操作系統，并具備豐富的外設接口，以滿足多種多樣的應用需求。在市場競爭過程中，MIPS、PowerPC等芯片架構已不再輝煌，甚至逐漸退出了歷史舞臺。

• 專用芯片是為了解決某一類專門的應用而設計的，例如擅長處理圖像任務的GPU，擅長數字信號處理的DSP，擅長AI加速的AI芯片，以及可針對特定應用場景進行硬件編程的FPGA。這一種類的芯片在處理特定應用時效率很高，但是不擅長處理通用類型業務。

實際上，隨著芯片的演進，這兩類芯片也在發生一些融合。例如通用芯片中集成GPU、DSP，甚至FPGA，從而提供針對特定應用的加速能力；而專用芯片中也往往會集成一些通用的CPU，從而提供一定的靈活性和獨立部署能力。

• 1978年，Intel首次推出16位處理器i8086，它是x86架構的鼻祖，該處理器上使用的指令集，被稱為x86指令集，并演進至今。

• 80年代，Intel相繼推出了80286、80386、80486，晶體管數量突破100萬個，CPU主頻提高到50MHz。

• 2000年，Intel推出了奔騰4系列，開始引入64位架構，并支持虛擬化。

• 2010年，Intel從酷睿系列開始，通過Tick-Tock節奏，即一年更新微架構、一年升級制程的方式，不斷向前演進。但是，隨著工藝尺寸接近物理極限，Intel已經由Tick-Tock變化為PAO（制程Process->架構Architecture->優化Optimization ）策略。

RISC 的全稱是 “ 精簡指令集計算機 ”（Reduced Instruction Set Computer），它支持的指令比較簡單，所以功耗小、價格便宜，特別適合移動設備。早期使用 ARM 芯片的典型設備，就是蘋果公司的牛頓 PDA。

1990年代，ARM的32位嵌入式RISC進入了低功耗、低成本和高性能的嵌入式應用。進入二十一世紀之后，隨著手機的快速發展，ARM處理器占領了全球手機市場，一直延續至今。

AI芯片的歷史是隨著深度學習的興起同步發展 起來的。深度學習對算力的需求十分巨大，傳統的CPU無法滿足，算法研究人員發現，GPU很適合用來處理深度學習的訓練和推理計算任務。所以英偉達借AI浪潮再次崛起，后來也推出了專門用于深度學習任務的Tesla、Jetson等系 列AI芯片。

近五年時間內，隨著深度學習的爆發式增長，涌現出大量的AI專用芯片和廠家。

• 可編程性：適應算法的演進和應用的多樣性。

• 架構的動態可變性：能適應不同的算法，實現高效計算。

• 高計算效率：算法對算力的需求是無止境的，現有的計算效率制約了很多算法的實際應用落地。

• 高能量效率：能耗比高，能夠應用在端側嵌入式設備中。

• 應用開發簡便：提供完備的軟件棧，降低AI開發的門檻。

• 微架構演進，IPC（Instruction Per Cycle）每代提升10%。IPC仍然是衡量通用芯片處理能力的一個重要指標，通過芯片內部集成更大的緩存、更多的執行單元、更精確的分支預測和任務調度機制，將IPC不斷提升。

• 工藝演進：目前通用芯片工藝已經邁入7nm制程，后續5nm，甚至3nm的制程已經在研究當中，雖然由于已經逼近物理極限，但是工藝演進仍然是提升芯片性能的關鍵一環。

• 功耗控制：隨著通用芯片核數越來越多，尺寸越來越大，功耗控制成為制約芯片實際商用的重要因素。需要更加精細和智能的功耗控制機制。

• 互連帶寬：多芯片之間往往可以通過互連形成更強的單節點處理能力。

ARM芯片的優勢戰場在嵌入式領域，而x86的優勢戰場在桌面和數據中心。但是，雙方的競爭從未停止。目前已經出現了一些服務器級別的ARM芯片，開始爭奪數據中心市場。但是x86在數據中心的體量和地位目前仍然遙遙領先。

但是，隨著制程演進越來越困難，x86的流水線已經非常深，微架構上也很難再有大的突破，x86也在尋求在芯片內集成更多的核。另一方面，ARM也面向數據中心領域推出了Cortex-X系列架構，不再一味追求performance per Watt，而是追求極致性能，即從原來的小核向大核演進。