在人工智能領域，FPGA 可應用于推理環節，但由于涉及復雜的算法，對產品性能要求較高。人工智能算法的硬件芯片可分為訓練和推斷兩大任務。CPU/GPU 應用在訓練端，主要運用大量已知的數據進行迭代計算，調整神經網絡的參數；FPGA 憑借高度靈活性及強大的并行運算能力在實時數據的處理上具有優勢，可應用在推斷端，用已訓練好的神經網絡對新輸入的數據進行歸類、分析和判斷。在人工智能領域，FPGA 相對 GPU 具備明顯的能效優勢；而相較于 CPU 則具備性能優勢；與 ASIC 相比，AI 神經網絡演進速度快，ASIC無法跟上算法迭代更新。長期來看，采用 CPU+FPGA+AI 或 CPU+FPGA+GPU 融合架構的 PSoC 芯片兼具了 SOC 的靈活性和通用性、FPGA 的硬件可編程性和專用 AI 加速核或GPU 的高效性，可帶來更優的效果。