AI 芯片架构分野：GPGPU 通用生态主导，DSA 专用优化崛起。目前 AI 芯片的主流架构分为 GPGPU 架构和 DSA 架构两大类。1）GPGPU 架构以英伟达为代表，通过强化通用并行计算单元形成了成熟的通用编程生态，可覆盖 AI 计算、科学计算、图形渲染等多个场景，但针对 AI 计算这一特定领域的效率存在一定损耗。2）DSA 架构（即非 GPGPU架构）则针对 AI 并行计算领域进行专用优化，在相同芯片面积上通过牺牲场景通用性来提升特定应用场景下的效率，强化 AI 计算专用加速单元配置，加速效率更高。此外，AI芯片领域的 ASIC 是一个广义概念，最严格意义的 ASIC 芯片等同于场景完全定制化（如将特定大模型固化在芯片硬件架构中），而 DSA 架构是 ASIC 概念的发展其基于 AI并行计算这一领域进行加速优化，但并不固化在某个特定场景或模型，而是兼顾 AI 计算领域内多种算法和模型的通用性。
