根據IHS Markit | Technology報告顯示。到2025年，用于人工智能(AI)應用的存儲和處理半導體的全球市場將飆升至1289億美元，是2019年428億美元的三倍。

這份名為《人工智能——技術采用和影響2019年報告》指出，在人工智能領域，全球范圍內人工智能應用中，存儲設備的收入將從2019年的210億美元增加到2025年的600億美元。處理器市場的擴張速度將略有加快，從2019年的220億美元增至2025年的685億美元。

這一數據對運行人工智能功能的系統中半導體含量的銷售情況進行了跟蹤，這些芯片包括了能夠運行人工智能應用系統中的內存和處理設備。

如今，人工智能芯片廣泛應用于汽車、通信、計算機、消費電子、工業和醫療等眾多市場。人工智能應用中內存設備最大的單一市場是計算機領域，它在2025年銷售額將增至660億美元，復合增長率從2019年的275億美元增至15.7%。不過，通信、消費電子、工業和醫療保健等其他領域將產生更快的增長。

IHS Markit | Technology公司人工智能高級研究總監Luca De Ambroggi表示:“半導體代表了人工智能供應鏈的基礎，為地球上每一個人工智能應用程序提供了必要的處理和存儲能力?！比斯ぶ悄芡苿游⑿酒木薮笮枨笤鲩L的主要動力。然而，這項技術也正在改變芯片市場形態，它在重新定義傳統的處理器架構和內存接口，以滿足新的性能需求。”

報告顯示, 越來越多的初創企業正致力于提供全新的架構，挑戰傳統人工智能處理設備的市場霸主地位，如圖形處理單元(GPU),現場可編程門陣列(FPGA),微處理器(微控制器)、微控制器(MCU)和數字信號處理器(DSP)。這些新體系結構包括可以加速深度學習任務的集成向量處理等功能。

此外，在各種設備中引入與人工智能相關的功能，意味著這些傳統的處理器種類正在演變，它們不再被視為不同的類別。

De Ambroggi：“在人工智能時代，關于MPU、DSP或MCU的舊定義開始變得模糊，因為每種類型的設備都添加了具有不同功能的核心，越來越多的人工智能系統的設計者使用高度集成的異構處理解決方案，如特定應用的集成電路(ASIC)和系統芯片(SOC)解決方案?！?/span>

“由于處理器制造商提供使用這些ASIC和SOC的交鑰匙式、異構處理解決方案，因此，對于系統設計師來說，他們的AI算法是在GPU、CPU還是DSP上執行的差別不大?！?/span>

先進的人工智能技術，尤其是深度學習算法，需要大量的高帶寬易失性內存才能正常運行，但這已將功耗推高至不可持續的水平。

IHS指出，新的架構有的方法是為每個處理核心配備了專用存儲單元，從而加快了并行處理的速度。另一種方法是將處理任務直接轉移到內存中，以減少數據移動。這個想法是在數據駐留的地方進行處理，減少功耗和延遲。

業界一直在尋找一些替代方法，包括:一種新的處理器架構，其中內存更接近計算核心，減少數據移動的負擔，并為每個處理核心提供專用的內存單元，從而實現高處理并行性;將數據計算的早期階段轉移到內存中，這種技術稱為內存處理(processing into memory, PIM)。PIM提供了與上面提到的類似的好處。最后，確定新的內存技術，這些技術可以支持使用簡單的后端硅集成、易失性性能、非易失性能力、每字節的低皮焦耳或快速輸入/輸出(I/O)接口的新方法。

的確，人工智能（AI）的爆炸性使用正在開啟半導體設備的新時代，這將帶來許多新的機遇，但也帶來許多挑戰。AI處理器也正在推動全球半導體行業的增長，這也促使市場分析機構做出積極的預測，未來5年，AI芯片應用將增長三倍。

Allied Market Research認為，越來越多地領域使用人工智能和機器學習是推動市場發展的主要因素之一。垂直市場可以分為媒體和廣告、銀行金融服務和保險、IT和電信、零售、醫療保健、汽車和運輸等。此外，電子零售商可能還需要人工智能來處理不斷增加的數據，目前僅印度每天就會產生30到40太字節的數據。

AI芯片正在快速發展毋庸置疑，但目前仍然面臨兩大挑戰。一方面是技術的創新解決存儲以及計算效率的挑戰，另一方面是如何與實際應用結合，讓AI芯片快速體現出巨大的價值。