AI芯片是当前人工智能技术发展的核心技术，其能力要支持训练和推理。通常，AI芯片的技术架构包括（【GPU、FPGA、ASIC】）等三种。
当前主流的AI芯片技术架构主要有GPU、FPGA、ASIC三种。GPU拥有大规模并行计算能力，是支撑深度学习模型训练的核心硬件，能高效处理训练过程中海量的并行运算任务。FPGA具备硬件可编程特性，可根据不同AI推理需求灵活调整电路结构，适配多样化的推理场景，在低功耗、定制化部署场景中优势显著。ASIC是为特定AI任务定制开发的芯片，针对性极强，性能与能效比远超通用芯片，常应用于大规模、高并发的AI推理场景，比如云端智能服务、边缘端特定AI任务落地。此外，CPU虽可参与AI计算，但受限于串行为主的架构，无法满足大规模AI任务的高效算力需求，并非主流高性能AI芯片架构；SOC是系统级芯片的设计形式，属于集成化的芯片方案，并非AI芯片的特定技术架构分类；DSP主要面向信号处理领域，也不属于AI芯片的核心主流架构。
本题考察的是AI芯片的基本技术架构的相关概念。
AI芯片需要在训练和推理两个阶段提供高效的计算能力，而GPU、FPGA和ASIC是当前主流的三种技术路线。
A选项GPU、FPGA、ASIC：GPU擅长大规模并行计算，是深度学习训练的重要硬件平台；FPGA支持硬件可编程，适用于灵活部署和低功耗场景；ASIC为特定AI任务定制，性能和能效比极高，适合大规模推理部署，三者确为当前主要架构。
B选项CPU、PPGA、DSP：CPU虽可参与AI计算，但并非主流高性能AI芯片架构；“PPGA”应为“FPGA”，这里拼写错误；DSP主要用于信号处理，不是AI芯片的三大主流架构。
C选项GPU、CPU、ASIC：虽然GPU和ASIC正确，但CPU并不是高效支持AI大规模计算的核心芯片类型。
D选项GPU、FPGA、SOC：SOC是一种系统级芯片设计形式，并不是AI芯片技术架构的特定分类。
因此，选项A正确。