去年获得了来自ACM的图灵奖的两名芯片设计界的传奇人物John L. Hennessy和David A. Patterson解释说，机器学习电路是芯片设计的一场革命。
首席分析师Linley Gwennap形容用于云端的专用集成电路（ASIC）的兴起是“一旦有人开创先例，行业马上就会跟进”。其中先例是指亚马逊的“Graviton”芯片，该芯片现已在亚马逊的AWS云服务中应用。另一个是来自中国电信和网络巨头华为的“鲲鹏920”。华为打算在其服务器计算机系列中使用这些芯片，并将提供自己的云计算服务。
AI芯片
亚马逊和华为都有更进一步的打算：亚马逊被称为“Inferentia”的“深度学习加速器”是神经网络推理的一部分，还有能实现芯片级AI即时问答（语音助手）的Ascend 310，以及大规模数据中心芯片Ascend 910。
就亚马逊和华为而言，最大的问题在于英特尔至强处理器在服务器市场的垄断，以及Nvidia GPU对云端训练AI的垄断。
Gwennap表示：“云服务提供商担心英特尔和英伟达会利用其市场主导地位坐地起价，ASIC则可以在两家坐地起价之时拥有巨大价格优势。虽然ASIC暂无法达到英特尔Xeon的性能，但Ascend 910的性能表现已经威胁到了Nvidia GPU的市场地位。”
Hennessy和Patterson的文章中表示，芯片行业的问题在于摩尔定律的破裂、著名的晶体管缩放定律、以及强调芯片越演进越节能的Dennard Scaling细分法则的。他们认为，基本芯片的设计必须从通用部件转向专业化。他们看到了继续转向特定领域的架构，其中AI芯片就是一个很好的例子。DSA芯片可以利用各种不适用于通用处理器的技巧，例如称为“超长指令字”的代码的编译器方法或VLIW。VLIW处理器与通用代码15不匹配，但由于控制机制简单，所以对于有限的域可以更有效。DSA不仅能很好地服务于AI，而且它们在保护代码方面可能比通用处理器更好。
