当前人工智能芯片类型主要包括以下几种：
1. GPU（图形处理器）：GPU是专门用于处理图形和图像的处理器，其性能非常高，可以同时处理大量的并行计算任务。在人工智能领域，GPU被广泛应用于深度学习、计算机视觉、自然语言处理等任务中。例如，NVIDIA的Tesla系列GPU就是专门为深度学习设计的高性能GPU。
2. TPU（张量处理单元）：TPU是谷歌公司开发的一种新型AI处理器，主要用于深度学习和机器学习任务。TPU具有很高的计算速度和低延迟特性，可以有效提高人工智能算法的训练速度。目前，Google Cloud AI Platform已经提供了基于TPU的深度学习服务。
3. ASIC（专用集成电路）：ASIC是一种专门为特定任务设计的集成电路，其性能和功耗都非常高。在人工智能芯片领域，ASIC主要应用于高性能计算和大数据分析任务。例如，IBM的Power9和Intel的Xeon Phi都是专门为深度学习和神经网络训练设计的ASIC。
4. FPGAs（现场可编程门阵列）：FPGA是一种可编程的集成电路，其性能和灵活性都非常高。在人工智能芯片领域，FPGA主要应用于实时计算和边缘计算任务。例如，Xilinx的Zynq-7000系列FPGA就是一个专门为人工智能应用设计的FPGA平台。
5. DSP（数字信号处理器）：DSP是一种专门用于数字信号处理的处理器，其性能和功耗都非常高。在人工智能芯片领域，DSP主要应用于语音识别、图像处理等任务。例如，TI的DSP系列就是一款专为人工智能应用设计的DSP芯片。
6. MCU（微控制器单元）：MCU是一种集成了多种功能的单片微型计算机，其性能和功耗都非常高。在人工智能芯片领域，MCU主要应用于嵌入式系统和物联网设备。例如，STM32系列就是一个专为人工智能应用设计的MCU平台。
7. SoC（系统级芯片）：SoC是一种将多个功能模块集成在一个芯片上的系统级芯片。在人工智能芯片领域，SoC主要应用于智能手机、智能家居等消费电子产品。例如，高通的Snapdragon系列就是一个专为人工智能应用设计的SoC平台。
总之，当前人工智能芯片类型主要包括GPU、TPU、ASIC、FPGA、DSP、MCU和SoC等多种类型。这些不同类型的芯片各有优缺点，可以根据不同的应用场景和需求进行选择和使用。随着人工智能技术的不断发展，未来还会出现更多新型的人工智能芯片类型。
