由 dawei 
安阳站长网（http://www.0372zz.com）人工智能是指通过计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)，主要应用在训练(training)和推理(inference)两个环节。训练需要通过大量的样本数据训练建立输入输出的映射关系，以此进行推理。在2010年后，人工智能在计算机视觉、语音识别领域取得重大突破，开始步入人工智能爆发期。
据Tractica的预测，2025年人工智能市场规模将达368亿美元。$/GFLOPS可以衡量计算成本(1GFLOPS=109FLOPS，FLPOS即每秒十亿次浮点运算价格)，根据Wikipedia的数据，$/GFLOPS的CAGR约-37%，2017年6月AMDRyzen结合AMDVEGAFrontierEdition将$/GFLOPS降至0.06美元。
海量数据为AI训练提供的基础，算力是AI推理的必备条件，快速下降的计算成本为人工智能时代的爆发提供了技术基础，推动下游应用推广，促使算力需求增长。
算力，即为计算能力。算力于我们而言，并不陌生，小至PC电脑，大至超级计算机，算力其实一直存在我们的生活中，只是过去我们的日常生活对算力的要求并不高，我们忽略了它。
高算力的普及有两个必要因素，一个是数据，数据是算力的基础，有了海量数据才可更好地进行推理与学习，另一个是价格，唯有平常百姓负担得起高算力的价格，算力才有望走进千家万户。
因此，从供给端看，云计算、大数据、物联网、人工智能等信息技术的快速发展和传统产业的数字化转型，数据量呈现几何级增长，带来了大量数据存量，同时，快速下降的计算成本也为算力普及做好了经济铺垫，两者共同推动算力需求的增长。
算力能力的提升与应用能力的提升互为促进，驱动云计算进入算力时代。
安迪-比尔定律是对IT产业中软件和硬件升级换代关系的概括，原话是“Andygives,Billtakesaway.(安迪提供什么，比尔拿走什么。)”
安迪指英特尔前CEO安迪·格鲁夫，比尔指微软前任CEO比尔·盖茨。
随着云计算、大数据、物联网、人工智能等信息技术的快速发展，存量数据大量增长、算力成本大幅下降，推动了算力能力的提升，与此同时，业务种类的增多，应用软件的爆发，算力需求大幅增长。
算力能力的提升为应用软件的发展提供了空间，应用能力的提升又对算力能力提出新要求，算力能力与应用能力互为促进，促使云计算进入算力时代。
算力的提升与普及，Flops成本的下降，使相关应用具备了发展基础。
超级计算机是计算机中功能最强、运算速度最快、存储容量最大的一类计算机，多用于国家高科技领域和尖端技术研究。
而今人工智能电脑的运算能力可和2009年世界第一超级计算机的运算速度媲美，加上价格便宜与便携的外在特征，使更多应用需求拥有的发展基础。
安迪-比尔定律是对IT产业中软件和硬件升级换代关系的概括。存量数据大量增长、算力成本大幅下降，推动了算力能力的提升，与此同时，业务种类的增多，应用软件的爆发，使得算力需求大幅增长。
算力能力的提升为应用软件的发展提供了空间，而应用能力的提升又对算力能力提出新要求，算力能力与应用能力互为促进，促使云计算进入算力时代。
从加速器芯片的几个类别来看:GPU方面，形成了NVIDIA+AMD七三开的市场格局，NVIDIA深度打造应用场景生态，构建壁垒，而AMD作为同时具备CPU+GPU模块化能力的厂商，有望在云算力时代颠覆原有服务器芯片产业格局，成为最大赢家;FPGA方面，技术壁垒高，多用于军事领域，美国厂商垄断市场，国内处于渐进式突破阶段，份额还非常低;ASIC方面对下游细分领域需求量有较高要求，典型如区块链应用，国内厂商发展迅速，ASIC领域是国内厂商有望实现弯道超车的较好选择。