没错，简单是能省掉许多的推广成本，但也意味着这玩意实用价值不高啊！
首先是几乎不能设计跟仿真大型复杂的通用芯片，b如CPU、GPU。
另一个就是应用层了。
宁为的意思是要绕开现有的各种架构跟指令集，又牵扯到兼容X的问题。
实际上现阶段AI芯片本就有现成的解决方案，b如FPGA。
跟宁为的构思不同，FPGA直接就可以理解为一种万能芯片，有着统一的结构。
用户通过烧入FPGA配置文件，来定义这些门电路以及存储器之间的连线，用y件描述语言对FPGA的y件电路进行设计。每完成一次烧录，FPGA内部的y件电路就有了确定的连接方式，具有了一定的功能，输入的数据只需要依次经过各个门电路，就可以得到输出结果。
这种方式显然b宁为设计的这种ASIC模式更具X价b。虽然FPGA也有自身的缺点，b如X能b不上ASIC芯片，价格也bASIC芯片更高。
原因是现在各种人工智能的深度学习算法正处於快速发展期，迭代极快，如果照着宁为的想法每种结构都要设计对应配套的最优化可烧录配置文件，也就意味着每次算法更迭，都要在对象库里更新新一代的专用芯片结构。
一旦更新慢了，就落伍了……
内容未完，下一页继续阅读