市场研究公司数据显示，2017年嵌入式AI芯片产业营收由2016年的800亿美元增长至创记录的1320亿美元，2018年将进一步增长至1500亿美元。
深度学习全称深度神经网络，本质上是多层次的人工神经网络算法，即模仿人脑的神经网络，从最基本的单元上模拟了人类大脑的运行机制。近年来，其所取得的前所未有的突破掀起了人工智能新一轮的发展热潮。
最早的神经网络的思想起源于1943 年的 MCP人工神经元模型，当时是希望能够用计算机来模拟人的神经元反应的过程，但直到最近，它才真正让人工智能火起来。主要原因在于：算法的突破、数据量的激增和计算机能力/成本的下降。其中计算能力的提升的作为人工智能实现的物理基础，对人工智能发展的意义不言而喻。
深度神经网络的兴起，在过去几年里把风投的资金带回到了半导体领域。 EE Times最近公布的Silicon 60本榜单中，有7家致力于某种形式的神经网络芯片，其中2家公司鲜为人知：Cambricon Technologies（中国北京）和Mythic Inc.（美国德克萨斯州奥斯汀）。
“我们看到拥有新架构的初创公司正在激增。我自己也在关注着15-20家公司......过去10到15年，我们还没有看到哪一个细分领域有15家这么多的芯片公司出现。”企业家Chris Rowen这样表示，他离开了Cadence Design Systems，成立了一家名为Cognite Ventures的公司，专注于神经网络软件。
“在高端服务器训练方面，Nvidia是一个很难对付的竞争对手，因为它有很难撼动的软件地位，而且涉足智能手机市场那你肯定是疯了，因为你必须要擅长很多方面，但是在高端和低端智能手机市场你可能还有一些机会。”Rowen表示。
市场分析公司The Linley Group负责人Linley Gwennap表示，Nvidia最新的GPU（Volta）做得非常出色，Nvidia对其进行了调整，可对深度神经网络做速度训练。“但我当然不认为这是最好的设计，”Gwennap说。
Gwennap表示，Graphcore（英国布里斯托尔）和Cerebras（美国加州洛斯阿尔托）是训练芯片领域值得关注的两家初创公司，因为这两家公司筹集的资金最多，而且似乎拥有最好的团队。由Google前芯片设计师创立的初创公司Groq声称，它将在2018年推出一款推理芯片，在总体操作和每秒推论方面都会以4倍的优势击败竞争对手。
鉴于深度神经网络（DNN）的算法和应用还在不断演变之中，所以目前我们还不清楚深度神经网络最终会带来怎样的变化。但是迄今为止，深度神经网络在翻译文本、识别图像和语言方面取得的成功，让人们清楚地意识到，深度神经网络将重塑计算机设计，当半导体设计和制造方面发生着同样深刻颠覆的同时，这些变化逐渐开始带来影响。
