在Google TPUAI芯片的引领下，数据中心领域迎来了新的挑战与机遇。随着大量资金注入新型AI处理器的研发，市场上涌现出众多新玩家，他们面临着巨大的难题。首先，来自终端的数据不足是他们必须克服的一个关键障碍。如何定义产品的灵活性，以及是否专为单一任务设计还是支持更多工作负载，这些问题需要被深思熟虑。
除了这些挑战之外，大企业雄厚财力和形成的市场格局也是新玩家的重要对手。在此背景下，设计和制造定制芯片的问题变得尤为复杂：“什么时候才能赚钱？”“多少个数据中心才能实现盈利？”对于那些致力于为消费电子设备设计和制造芯片的人来说，即便拥有庞大设备体量，也需考虑成本和回报问题。
然而，即使弄清楚了多少个数据中心才能盈利，也无法保证设计方案可行性。“芯片定制化程度越来越高，以至于能够为非常特定的算法创建芯片，但这会牺牲一部分市场也缩短芯片寿命。”西门子EDA战略和业务发展高级经理Anoop Saha指出。
尽管如此，对于一些边缘算法而言，其趋向稳定，为这些算法提供更高能效和性能的自定义优势仍然存在。不过，由于未知因素众多，在早期依据数据驱动做出决定显得尤为重要。硬件和算法迭代快影响架构选择，这直接关系到从硬件中赚钱的时间、愿意支付价格以及限定总成本。此外，AI芯片公司每18个月可能就有一次进入数据中心的机会，使得搅动这个市场并非易事。
