10月17日，美国政府又开始制裁新一批中国企业，同样引起了行业的强烈谴责，其中在AI芯片禁令中新增了三条新规：
1、把性能密度作为出口管制的标准，就是单芯片超过300teraflops算力；性能密度超过每平方毫米370 gigaflops芯片都会管制
2、禁止英伟达向中国提供特供版的AI芯片：A100/A800/H800/H800/L40/L40S/RTX4090、英特尔Gaudi 2
3、芯片进出口许可范围扩大到40多个国家，并对其中21个国家提出芯片制造设备许可要求。
空闲的时候，大家喜欢谈论AI芯片，其实大部分人对于AI芯片并没有实质性的概念。AI芯片就是计算AI算法的芯片，近几年AI算力要求越来越高，据OpenAI推算，从2012年开始，全球AI算力平均每3个月便会翻一倍，远超算力增长速度。
计算任何算法的芯片，都归属于AI芯片，这既包括深度神经网络（DNN）、循环神经网络（RNN）、卷积神经网络（CNN），也包括脉冲神经网络 (SNN)
理论上来说，任何数字芯片都属于AI芯片，就比如说，CPU作为中央处理器，什么类型计算都能胜任，但计算AI的效率明显没有GPU高，所以服务器中都是使用CPU+GPGPU的形式，让GPGPU作为AI计算的主力。
AI芯片分类
因此，按照上述分类方法，AI芯片主要分为GPGPU（通用图形处理器）、FPGA（可编程逻辑器件）、ASIC（专用集成电路）、存算一体和类脑芯片几种。根据在网络中的位置，又可以分为云端AI芯片 、边缘和终端AI芯片。
GPGPU：与GPU不同，GPGPU就是将GPU图形显示部分“摘掉”，全力走通用计算，特别适合用在深度学习训练方面；
FPGA：可编程的灵活性是任何其它计算芯片无法替代的，同时它在AI领域也具备一定计算能力，但相对来说，FPGA的成本就相对高一些了，而且FPGA开发也很难，软件生态没有GPGPU的CUDA那么方便；
ASIC：性能强、功耗低，Gaudi 2就是一种ASIC，NPU也是加入神经单元的一种ASIC，不过针对特定算法计算，算法是无法修改的，想要做另一种算法就要再造一种ASIC芯片，前期开发需要FPGA辅助进行；
存算一体：能耗比极佳，能够突破存储墙和功耗墙，但目前只在自动驾驶领域有商业化；
类脑计算：性能更强、功耗更低，算法也变成了SNN，但全世界都在研究之中，还未商业化。
