DSA
DSA（domain-specific architecture）：特定领域架构（DSA）是一种可编程计算机架构，专门用于在特定应用领域内高效运行。该术语通常用于与通用架构（如 CPU）形成对比，后者可在任何计算机程序上运行
人工智能是 DSA 取得最大成功的应用领域之一。特别是，为加速深度神经网络（DNN），已经开发了几种架构。在下面的章节中，我们将介绍一些实例
- TPU
- Microsoft Catapult
- NVDLA
- …
Chip
按照单位计算的复杂度，处理器平台大致分为CPU、协处理器、GPU、FPGA、ASIC。从左往右，单位计算越来越复杂，灵活性越来越低。也即是说CPU具有最高的灵活性以及相对最低的性能；而ASIC则具有最高的性能以及相对最低的灵活性。
如果一个任务在CPU运行，则认为为此任务为软件运行；如果一个任务在协处理器、GPU、FPGA或ASIC运行，则认为此任务是硬件加速运行。而通常除CPU之外，其他处理器都不是图灵完备的，因此异构计算通常是CPU+xPU的架构（GPU是图灵完备的，主要看指令流能否跳转），也即异构计算是软件和硬件加速协同运行。
国产GPU厂商
国产FPGA厂商
国产CPU厂商
国产ASIC厂商
IT行业发展太快，唯一不变的只有“更加快速的变化”。基本上2年一个行业热点技术方向，云计算、大数据、物联网、人工智能、区块链、自动驾驶、5G等新的场景或技术在持续不断的推进着信息技术的迅猛向前。
趋势
（1）以TPU为代表的DSA兴起
2017年图灵奖获得者John M. Hennessy和David A. Patterson认为，随着CPU的性能增加越来越缓慢，未来十年将是体系结构的黄金年代，通过DSA（Domain Specific Architecture，特定领域架构）的设计，可以进一步提升性能。
DSA是一种ASIC（相比CPU、协处理器、GPU、FPGA），是在传统ASIC基础上向灵活性的一种回调。例如谷歌TPU，支持一些简单的特定指令集，可以通过软件编程，但本质上是ASIC的一种变种。DSA因为其灵活性，相比ASIC能够覆盖相对更多的场景，实现定制设计成本和性能的兼顾。
（2）单芯片多种架构处理器共存
未来芯片设计规模越来越大，单芯片集成更多架构的处理器成为一种非常常见的设计，也可以称为，多异构混合计算。如何驾驭如此复杂的异构混合计算平台，如何实现更友好的软件编程能力，则成为一个尤为重要的事情。
英特尔推出的One API是一个统一的软件架构，希望能够跨硬件、跨厂商地把不同硬件加速能力统一。OneAPI可以支持CPU、GPU、FPGA以及AI加速等类DSA处理器。
（3）基于容器虚拟化的云原生
近些年来，随着Docker和Kubernetes的快速流行，云原生的概念深入人心。容器相比虚拟化具有更轻量的安全封装，更小的运行实体粒度以及更多产品服务的相互配合。
表现在硬件上，容器场景对迁移的需求相对不高，但对硬件更细粒度的虚拟化要求非常之高，并且，其灵活性对接口弹性的要求也非常之高，与此同时，会产生更多的东西向流量以及对网络延迟的敏感等。
（4）云计算业务和管理分离
云最典型的特征是多租户，基于多租户的视角，可以把云简单的分为业务和管理两个层次。在传统计算机虚拟化架构里，业务层也即虚拟机，而管理层则为宿主机，业务和管理共存于CPU运行。
AWS的NITRO系统，创造性的架构重构，把业务和管理分离到两个硬件实体中，业务运行在CPU，而管理则运行在NITRO芯片中。这个趋势最本质的价值在于硬件加速提升性能，而最大的价值则是业务和管理完全分离，提高了安全性。
在云的场景组织下，不再是传统如硬件设备级的资源映射，而是更细粒度级的服务调用映射，庞大系统解构的同时多租户、多系统、多服务共存。
站在硬件加速的角度，CPU的性能瓶颈需要更多专用DSA来加速，而云的场景下则需要更多灵活性的资源及任务调度，甚至是跨CPU、跨异构处理器平台的调度。如何平衡硬件性能和软件灵活性，则是需要重点考虑的事情。
CGRA
可重构计算（CGRA）是一种计算机架构，通过使用非常灵活的高速计算结构（如现场可编程门阵列（FPGA））进行处理，将软件的某些灵活性与硬件的高性能结合起来。与使用普通微处理器相比，其主要区别在于，除了控制流之外，还能对数据路径本身进行重大更改。另一方面，与定制硬件（即特定应用集成电路（ASIC））的主要区别在于，可以通过在可重构结构上 "加载 "新电路，在运行时调整硬件。
与传统ASIC相比，CGRA提供了更高的灵活性和可重构性，使其在某些计算密集型应用中具有优势。然而，由于CGRA仍然是专门定制的硬件，它在设计和制造方面的成本通常仍然较高。