寒武纪、地平线、百度昆仑芯、阿里平头哥、绥远科技、汉博半导体、天数智芯、坤云科技、黑芝麻智能、芯擎科技。
NVIDIA、Intel、Google、AWS、Qualcomm、Esperanto、Graphcore、Cerebras、Ambarella和Hailo。
思元370基于7nm工艺集成390亿晶体管，采用chiplet最大计算能力高达256TOPS(INT8)是思元270计算能力的两倍。基于最新的智能芯片架构结构MLUarch03，集AI集训练和推理于一体的思元370具有优异的实测性能：ResNet-50为例，MLU370-S4.同尺寸主流加速卡(半高半长)的实测性能GPU的2倍;MLU370-X4加速卡(全高全长)的实测性能与主流相同尺寸GPU能效大大领先。
思元370在一个芯片中包装AI计算芯粒(MLU-Die)，每个MLU-Die具备独立的AI计算单元、内存、I/O以及MLU-Fabric控制和接口。通过MLU-Fabric保证两个MLU-Die间的高速通讯，而不同MLU-Die组合规格可以实现多样化的产品，为用户提供适用于不同应用场景的高性价比AI芯片。
征程5:地平线第三代车规级AI芯片，采用TSMC 16nm FinFET工艺，遵循 ISO 26262 开发并通过功能安全认证流程ASIL-B 认证。基于最新的双核BPU贝叶斯架构设计，征程5采用八核 Arm Cortex-A55 CPU可提供高达128的集群TOPS等效算力;CV引擎，双核DSP，双核ISP，强力Codec;支持多路4K全高清视频输入和处理；双核锁步MCU，功能安全等级达到 ASIL-B(D);符合AEC-Q100 Grade 2车辆规级标准。
该芯片适用于高级自动驾驶和智能驾驶舱，外部接口丰富，可接入16多个高清视频输入，支持双通道即时图像处理；依靠BPU、DSP和CPU资源不仅适用于先进的图像感知算法加速，还支持激光雷达、毫米波雷达等多传感器集成；PCIe 3.0 高速信号接口，双路千兆实时以太网(TSN) 多传感同步融合提供硬件级支持(PTP);支持预测和计划H.265/JPEG实时编解码。
昆仑芯技术推出的第二代云通用，由原百度智能芯片和架构部独立组成AI芯片采用7nm基于新一代自主研发的技术XPU-R其计算能力为256 TOPS@INT8，128 TFLOPS@ XFP16/FP最大功耗为16 120W;支持GDDR6高性能显存；高度集成ARM CPU，支持编解码、芯片间互联、安全和虚拟化。
在硬件设计方面，芯片率先采用显存通用 AI 芯片。软件架构上，昆仑芯2大幅迭代了编译引擎和开发套件，支持 C 和 C 编程。此外，昆仑2已与飞腾等国内通用处理器、麒麟等国内操作系统完成端到端适应，以及百度自主研发的飞桨深度学习框架AI能力。该芯片适用于云、端、边等场景，可应用于互联网核心算法、智能城市、智能产业等领域。它还将为高性能计算机集群、生物计算、智能交通、无人驾驶等提供更广阔的空间。
2019年，平头哥发布了数据中心AI基于12nm工艺， 集成170亿晶体管，性能峰值计算能力820 TOPS。在业界标准的ResNet-在50测试中，推理性能达到78563 IPS，能效比达500 IPS/W。
含光800采用平头哥自主研发的架构，通过软硬件协同设计实现性能突破。平头哥自主研发的人工智能芯片软件开发包，使含光800芯片在开发深度学习应用时能获得高吞吐量、低延迟的高性能体验。含光800已成功应用于数据中心、边缘服务器等场景。
邃思2.基于第二代的人工智能推理芯片GCU-CARA架构，作为云燧i计算能力核心20高性能推理卡，55mm × 55mm从单精度浮点到大芯片尺寸INT8整形全精度AI算力;基于HBM2E提供819存储方案GB/s存储带宽；基于硬件功耗监测和优化特性，3.5X提高能效比。该芯片支持视觉、语音、NLP、模型推理，如搜索和推荐。
新一代深思AI12推理芯片nm工艺，通过架构升级，大大提高了单位面积体管的效率，可以实现与目前行业相比的7nm GPU基于12的计算能力nm成熟工艺带来的成本优势使云霄i20加速卡性价比较高，性能相同。
SV100系列芯片(SV102)定位是云的通用定位AI推理芯片主要具有高推理性能（单芯片）INT8峰值算力200TOPS，也支持FP16/BF16数据类型)、低延迟、视频解码性能64 路1080p支持(解码格式支持)H.264、H.265、AVS2)。
SV102芯片中有一个特殊的硬件视频解码单元，其视频处理和深度学习推理性能指标是现有主流数据中心的数倍GPU。该芯片基于汉博自主研发的通用架构，优化了各种深度学习推理负载，可支持计算机视觉、视频处理、自然语言处理和搜索推荐AI推理应用场景，集成高密度视频解码，广泛应用于云和边缘解决方案，节约设备投资，降低运营成本。
基于全自研的天数智芯GPGPU云训练芯片的架构BI采用台积电7nm该工艺集成了240亿晶体管和240亿晶体管.5D CoWoS晶圆封装技术。芯片支持FP32、FP16、BF16、INT8等多精度数据混合训练，支持片间互联，单芯计算能力可达每秒147T@FP16。
该芯片通过丰富的自主研究指令集，支持标量、矢量和张量运算，并通过可编程和配置特性有效地支持各种高性能计算。GPGPU芯片注重高性能、通用性和灵活性，为人工智能及相关垂直应用行业的快速发展提供计算能力，解决产品使用困难、开发平台迁移成本高等痛点。
CAISA该芯片采用昆云自主研发的定制数据流架构CAISA 3.与上一代芯片架构相比，效率和实测性能都有了很大的提高。CAISA3.0在多引擎支持方面提供了4倍的并行选择，大大提高了架构的可扩展性。在AI每一个芯片CAISA可同时处理AI工作负计算能力提高6倍的同时，工作负保持95倍.芯片利用率4%。此外，该芯片在算子支持方面更为通用，可以支持大多数神经网络模型快速实现检测、分类和语义分割部署。
昆云通过自主研发的数据流技术，在芯片实测能力上取得了技术突破，芯片利用率超过95%，比同类产品高达11%.6倍。这种定制的数据流技术不依赖于先进的晶圆制造技术和更大的芯片面积，而是通过数据流控制计算顺序来提高测量性能，为用户提供更高的计算性价比。
黑芝麻智能 A1000 Pro 采用16nm工艺，单芯片INT8算力为106 TOPS，INT4算力为196 TOPS，典型功耗25W，可以满足ISO 26262 ASIL D等级功能安全要求。A1000 Pro 内置高性能 GPU ，支持高清 360 度 3D 全景图像渲染，可配置不同的数据通路和操作机制，在芯片内部署冗余双套系统和安全岛验证。
基于单个、两个或四个 A1000 Pro，黑芝麻的FAD全自动驾驶平台能够满足需求 L3/L4 自动驾驶功能的计算能力需求支持自动驾驶场景，如停车、城市道路到高速公路。
龙鹰一号是由台积电OEM生产的7纳米芯片，集成了一芯多屏多系统，集成了语音识别、手势控制、液晶仪表、HUD、 DMS 以及 ADAS 整合等功能可以让驾驶员享受更直观、更个性化的互动体验。
龙鹰一号内置8个CPU核心、14核GPU、8 TOPS INT 8可编程卷积神经网络引擎。该芯片达到AEC-Q100 Grade 三级，符合要求ASIL-D安全岛设计标准，内置独立Security Island 提供高性能加解密引擎支持的信息安全岛SM2、SM3、SM4.支持安全启动、安全调试和安全OTA更新等。强大的CPU、GPU、VPU、ISP、DPU、NPU、DSP异构计算引擎，以及匹配的高带宽和低延迟LPDDR5内存通道和高速大容量外部存储，为智能驾驶舱应用提供全方位的计算支持。
NVIDIA A100 Tensor Core GPU基于NVIDIA Ampere 架构，提供40GB和80GB两种配置。作为NVIDIA数据中心平台的引擎，A100的性能比上一代产品提升高达20倍，并可划分为七个GPU根据变化需要动态调整实例。A100可针对 AI、数据分析和 HPC 实现不同规模的优秀加速，有效帮助高性能弹性数据中心。
针对深度学习训练，A100 的 Tensor Core 借助 Tensor 浮点运算 (TF32) 与上一代相比，精度可以提供 NVIDIA Volta 高 20 性能使用自动混合精度和 FP16性能可以进一步提高 2 倍。2048 个 A100 GPU 可在一分钟内大规模处理 BERT 训练工作负荷等。对于数据表巨大的超大模型(如推荐系统) DLRM)A100 80GB 可为每个节点提供高达 1.3 TB 的统一显存，而且速度比 A100 40GB 快高达 3 倍。
对于深度学习推理，A100能在从 FP32 到 INT4 的整个精度范围内进行加速。多实例 GPU (MIG) 技术允许多个网络同时基于单个 A100 运行，从而优化计算资源的利用率。在 A100 其他推理性能增益的基础之上，仅结构化稀疏支持一项就能带来高达两倍的性能提升。
英特尔发布的第二代神经拟态芯片Loihi 2面积为31mm，最多可封装100万个人工神经元，而上一代产品面积为60mm，支持13.1万个神经元。Loihi 2运行速度比上一代快10倍，资源密度提高了15倍，且能效更高。Loihi 2有128个神经拟态核心，相较于第一代，每个核心都有此前数量8倍的神经元和突触，这些神经元通过1.2亿个突触相互连接。
Loihi 2使用了更先进的制造工艺——英特尔第一个EUV工艺节点Intel 4，现在每个内核只需要原来所需空间的一半。同时，Loihi 2不仅能够通过二维连接网格进行芯片间的通信，还可以在三维尺度上进行通信，从而大大增加了能处理的神经元总数。每个芯片的嵌入式处理器数量从三个增加到六个，每个芯片的神经元数量增加了八倍。
Loihi 2神经拟态芯片利用尖峰神经网络(SNN，Spiking Neural Networks)可以非常有效地解决很多问题，但目前的困难在于，这种非常不同的编程类型需要以同样不同的方式思考算法开发。目前精通它的人大都来自理论神经生物学领域，Loihi 2仅面向研究领域会限制其市场销售范围。英特尔将Loihi 2与Lava开源软件框架结合起来，希望Loihi衍生品最终出现在更广泛的系统中，从充当嵌入式系统中的协处理器到数据中心的大型Loihi集群。
Google第四代AI芯片TPU v4速度达到了TPU v3的2.7倍，通过整合4096个TPU v4芯片成一个TPU v4 Pod，可以达到1 exaflop级的算力，相当于1000万台笔记本电脑之和，达到世界第一超算“富岳”的两倍。除了将这些系统用于自己的AI应用(例如搜索建议、语言翻译或语音助手)外，Google还将TPU基础设施以云服务的方式(付费)开放给Google Cloud用户。
第四代TPU提供的矩阵乘法TFLOP是TPU V3两倍以上，显着提高了内存带宽。TPU v4 pod的性能较TPU v3 pod提升了10倍，将主要以无碳能源运行，不仅计算更快，而且更加节能。
AWS自研的第二款定制机器学习芯片AWS Trainium专门针对深度学习训练工作负载进行了优化，包括图像分类、语义搜索、翻译、语音识别、自然语言处理和推荐引擎等，同时支持 TensorFlow、PyTorch 和 MXNet等。与标准AWS GPU实例相比，基于该芯片的EC2 TRN1实例吞吐量提高30%，可让模型推理成本降低45%。
AWS Trainium与AWS Inferentia 有着相同的AWS Neuron SDK，这使得使用 Inferentia 的开发者可以很容易地开始使用Trainium。AWS Trainium将通过 Amazon EC2实例和 AWS 深度学习 AMIs 以及管理服务(包括 Amazon SageMaker、 Amazon ECS、 EKS 和 AWS Batch)提供。
高通Cloud AI 100 推理芯片采用7nm工艺，包含16 组 AI 内核，具有400 TOPS 的 INT8 推理吞吐量，以及4 路 @ 64-bit 的 LPDDR4X-4200(2100MHz)的内存控制器，每个控制器管着 4 个 16-bit 通道，总系统带宽达 134 GB/s。
高通为商业化部署提供了三种不同的封装形式，包括成熟的 PCIe 4.0 x8 接口，以及 DM.2 和 DM.2e 接口(25W / 15W TDP)，其功耗分别为：DM.2e @ 15W、DM.2 at 25W、PCIe/HHHL @ 75W。
Esperanto基于RISC-V的ET-SoC-1芯片集成了1000 个内核，专为数据中心AI推理而设计。该芯片采用台积电 7nm 工艺，内置160M BYTE SRAM，包含240亿个晶体管。
ET-SoC-1的内核包括1088 个ET-Minion和4个ET-Maxion。ET-Minion是一个通用的 64 位有序内核，具有机器学习的专有扩展，包括对每个时钟周期高达256位浮点数的向量和张量运算。ET-Maxion 是该公司专有的高性能 64 位单线程内核，采用四发射乱序执行、分支预测和预取算法。
Graphcore第二代IPU芯片Colossus MK2 GC200 采用台积电的7nm工艺，架构与前代IPU相似，但核心数目增加到1472个(多出20%)，其片内SRAM则增加到900MB(多出3倍)。在互联扩展性方面，相比前代增强了16倍。
包含四颗MK2芯片的系统方案IPU-M2000可扩展至1024个IPU-POD，即512个机架，至多64000个MK2芯片集群之后，其16bit FP算力能够达到16 ExaFLOPs。M2000设备内部包含了一颗Gateway网关芯片，提供对DRAM、100Gbps IPU-Fabric Links、连SmartNIC的PCIe接口、1GbE OpenBMC管理接口，以及M.2接口的访问。M2000在神经网络训练的性能表现上，是上一代的7-9倍，推理则也有超过8倍的性能提升。
Cerebras设计和制造的有史以来最大的芯片称为晶圆级引擎(Wafer Scale Engine，WSE)，第二代芯片WSE-2采用台积电N7工艺，其面积为46225mm2，包含超过1.2万亿个晶体管，内置85万个内核针对深度学习进行了完全的优化。相比英伟达A100 GPU，WSE要大56倍以上，其片上内存高达40GB，内存带宽高达20 PB/秒，网络带宽高达220 PB/秒。
基于WSE-2的AI加速系统CS-2在保持其系统功耗不变(23 kW)的同时，极大增加了内存和结构带宽。CS-2单个系统的计算处理性能相当于几十上百个GPU，可以把完成最复杂的AI工作负载所需的时间从几个月减少到几分钟。
基于安霸CVflow架构和先进的5nm制程，CV52S单颗SoC拥有超低功耗，同时支持4K编码和强大的AI处理。该芯片采用双核1.6GHz Arm A76，拥有1MB L3缓存;超强ISP具有出色的宽动态、低光照、鱼眼矫正和旋转处理性能;内置隐私遮蔽功能，可以屏蔽部分拍摄场景;新增PCIe和USB 3.2接口可实现更复杂的多芯片安防系统设计;支持安全启动、OTP和Arm TrustZone等坚如磐石的硬件级数字安全技术，确保安防摄像机设备的信息安全;支持多路视频流输入，通过MIPI虚拟通道接口可接入多达14路摄像机;支持LPDDR4x/LPDDR5/LPDDR5x DRAM。
与上一代芯片相比，主打单目安防摄像机的CV52S系列芯片支持4K60fps视频录制，同时AI计算机视觉性能提高4倍，CPU性能提高2倍，内存带宽增加50%以上。神经网络(NN)性能方面的提升，使得边缘设备上也可以执行更多类的人工智能处理，而不需要上传云端。
以色列AI芯片公司Hailo的边缘AI处理器Hailo-8 性能达到26 tera/秒(TOPS)，具有2.8 TOPS/W的高效能。据该公司称，Hailo-8在多项AI语义分割和对象检测基准测试中的表现优于Nvidia的Xavier AGX、英特尔的Myriad-X和谷歌的Edge TPU模块等硬件。
基于Hailo-8的M.2模块是一个专门针对AI应用的加速器模块，可提供高达26TPOS的算力支持，适合边缘计算、机器学习、推理决策等应用场景。M.2 模块具有完整的 PCIe Gen-3.0 4 通道接口，可插入带 M.2 插座的现有边缘设备，以实时和低功耗深度神经网络推断，可对广泛的细分市场进行推断。