图形处理加速器 (GPU)
- 英伟达 (NVIDIA)
- GeForce系列：用于游戏和入门级计算，例如GeForce RTX 30系列。
- Quadro系列：专业图形卡，适用于3D建模、渲染等高性能需求。
- Tesla系列：数据中心和AI计算的高性能GPU，如A100、H100等。
- AMD
- Radeon RX系列：入门级和中端图形卡，如Radeon RX 500系列。
- Radeon Pro系列：专业图形卡，适用于工程、设计等领域。
- 其他供应商
- 英特尔：Intel HD/Xe系列集成显卡。
- 华为：如Matebook系列中的显卡。
- 三星：如Galaxy系列中的显卡。
量子计算加速器
- 量子计算机硬件
- 英伟达：QC系列量子计算加速器（如D-Wave 200Q）。
- IBM：Q系列量子计算器（如Q-20）。
- 谷歌：量子云服务（QC Cloud）。
- 通用电气：量子计算中心。
- 中国的量子计算公司：如华为、腾讯、阿里巴巴等。
张量处理单元 (TPU)
- 谷歌：TPU V2和V3,用于AI和机器学习。
- NVIDIA：Tensor RTX系列,结合AI和图形处理。
- AMD：如Radeon RX系列中的AI加速功能。
- 微软：Azure TPUs,提供云端AI计算能力。
高性能计算加速器 (HPC accelerator)
- 英伟达：如A100和H100,用于超级计算机和数据中心。
- AMD：如Honeywell RDMAHAF（适用于量子计算）。
- 超微：如Euler系列,用于量子计算和高性能计算。
- 其他：如Rocm（由中国的罗锦航公司提供）。
通用处理器加速器 (FPGA/ASIC)
- Xilinx FPGA：用于高性能计算、通信和数据中心。
- Lattice FPGA：较小型的FPGA,适用于嵌入式系统。
- ASIC加速器：如网络加速器、数据中心加速器（由华为、Intel等提供）。
人工智能和机器学习加速器
- NVIDIA：如Jetson系列,用于AI边缘计算。
- Google Coral：用于机器学习模型的实时推理。
- AMD：如Radeon RX系列中的AI加速功能。
- 中国公司：如华为的昇腾系列、腾讯的云AI平台。
开源加速器项目
- TensorFlow：提供多种硬件加速器支持，如NVIDIA GPU、AMD GPU等。
- PyTorch：与NVIDIA的GPU加速器兼容。
- MxNet：支持多种加速器，包括NVIDIA和AMD GPU。
通信和网络加速器
- 网络加速器：如华为的CloudEngine系列,用于数据中心网络加速。
- 智能终端加速器：如华为的 Mate Pad系列中的AI加速器。
- 移动网络加速器：如三星和华为的移动设备中的AI加速器。
区域和供应商
- 全球供应商：如NVIDIA、AMD、Intel等。
- 中国供应商：如华为、腾讯、阿里巴巴等。
- 欧洲供应商：如英特尔、AMD。
- 日本供应商：如东芝、索尼。
购买和选择建议
- 根据需求选择：明确你的计算需求（如图形处理、AI/机器学习、高性能计算等）。
- 品牌和性能：选择知名品牌或有良好支持的产品。
- 价格和性能比：高性能加速器价格较高,但性能更强。
- 云服务支持：如NVIDIA的NVIDIA GPU Cloud、谷歌的TPU Cloud等。
