一、按应用场景分类

1、深度学习训练型AI服务器：这种类型的AI服务器主要用于大规模的模型训练任务，需要极高的计算性能和海量的数据，它们通常配备多块高性能GPU（图形处理单元），以加速大规模并行计算，中科曙光的X785-G30和华为昇腾Atlas 800型号9000、型号9010就是典型的训练型AI服务器。

2、智能应用推理型AI服务器：推理型AI服务器则主要用于利用已经训练好的模型进行推理和预测任务，这些任务对算力的要求相对较低，但需要较快的响应速度和低延迟，中科曙光的X785-G40和华为昇腾Atlas 800型号3000、型号3010就是典型的推理型AI服务器。

二、按芯片类型分类

1、CPU+GPU组合：这是最常见的一种组合方式，CPU负责逻辑运算和控制，而GPU则负责大量的并行计算任务，GPU在深度学习的训练和推理过程中表现出色，因此这种组合方式被广泛应用于AI服务器中。

2、CPU+FPGA组合：FPGA（现场可编程门阵列）可以根据需要进行配置和重新编程，具有较高的灵活性和可定制性，在某些特定的AI应用场景中，FPGA可能比GPU更具优势。

3、CPU+TPU组合：TPU（张量处理单元）是专门为深度学习设计的处理器，可以提供更高的计算效率和更低的能耗，目前市场上基于TPU的AI服务器还相对较少。

4、CPU+ASIC组合：ASIC（专用集成电路）是为特定应用定制的芯片，具有最高的性能和效率，ASIC的开发成本高且周期长，因此只适用于特定的、大规模的AI应用场景。

三、按部署方式分类

1、云侧AI服务器：部署在云端数据中心，为各种云服务提供强大的计算能力支持，云侧AI服务器通常具有较大的规模和较高的性能要求。

2、边缘侧AI服务器：部署在网络边缘或靠近数据源的位置，用于处理实时性要求高的AI任务，边缘侧AI服务器通常具有较小的规模和较低的功耗要求。

AI服务器的分类方式多种多样，根据不同的分类标准可以分为不同的类别，不同类型的AI服务器在应用场景、技术架构、部署方式等方面存在差异，需要根据具体的需求进行选择，随着人工智能技术的不断发展和应用的不断深入，AI服务器市场也将迎来更加广阔的发展前景。