趨勢五：AI芯片關(guān)鍵在于成功整合軟硬件

AI芯片的核心是半導體及算法。AI硬件主要是要求更快指令周期與低功耗，包括GPU、DSP、ASIC、FPGA和神經(jīng)元芯片，且須與深度學習算法相結(jié)合，而成功相結(jié)合的關(guān)鍵在于先進的封裝技術(shù)?？傮w來說GPU比FPGA快，而在功率效能方面FPGA比GPU好，所以AI硬件選擇就看產(chǎn)品供貨商的需求考慮而定。例如，蘋果的Face ID臉部辨識就是3D深度感測芯片加上神經(jīng)引擎運算功能，整合高達8個組件進行分析，分別是紅外線鏡頭、泛光感應組件、距離傳感器、環(huán)境光傳感器、前端相機、點陣投影器、喇叭與麥克風。蘋果強調(diào)用戶的生物識別數(shù)據(jù)，包含：指紋或臉部辨識都以加密形式儲存在iPhone內(nèi)部，所以不易被竊取。

趨勢六：AI自主學習是終極目標

AI“大腦”變聰明是分階段進行，從機器學習進化到深度學習，再進化至自主學習。目前，仍處于機器學習及深度學習的階段，若要達到自主學習需要解決四大關(guān)鍵問題。首先，是為自主機器打造一個AI平臺;還要提供一個能夠讓自主機器進行自主學習的虛擬環(huán)境，必須符合物理法則，碰撞，壓力，效果都要與現(xiàn)實世界一樣;然后再將AI的“大腦”放到自主機器的框架中;最后建立虛擬世界入口(VR)。目前，NVIDIA推出自主機器處理器Xavier，就在為自主機器的商用和普及做準備工作。

趨勢七：最完美的架構(gòu)是把CPU和GPU(或其他處理器)結(jié)合起來

未來，還會推出許多專門的領(lǐng)域所需的超強性能的處理器，但是CPU是通用于各種設備，什么場景都可以適用。所以，最完美的架構(gòu)是把CPU和GPU(或其他處理器)結(jié)合起來。例如，NVIDIA推出CUDA計算架構(gòu)，將專用功能ASIC與通用編程模型相結(jié)合，使開發(fā)人員實現(xiàn)多種算法。

趨勢八：AR成為AI的眼睛，兩者是互補、不可或缺

未來的AI需要AR，未來的AR也需要AI，可以將AR比喻成AI的眼睛。為了機器人學習而創(chuàng)造的在虛擬世界，本身就是虛擬現(xiàn)實。還有，如果要讓人進入到虛擬環(huán)境去對機器人進行訓練，還需要更多其它的技術(shù)。

迎物聯(lián)網(wǎng)時代來臨

至于 CPU是否會被TPU、NPU、VPU….等之類新類型處理器取代，答案應該不會。

因為，新出現(xiàn)的處理器只是為了處理新發(fā)現(xiàn)或尚未解決的問題，而且未來傾向?qū)PU整合。同時，芯片市場期望能有更多競爭及選擇，不要英特爾、高通獨大。

迎物聯(lián)網(wǎng)時代來臨，以往大家認為摩爾定律最后會走到極限，但未來硅時代是異質(zhì)性及跨界的整合，還有很多需求未出現(xiàn)。NVIDIA執(zhí)行官黃仁勛則表示，摩爾定律已經(jīng)是舊時代的法則，GPU的計算速率和神經(jīng)網(wǎng)絡復雜性都在過去2到5年內(nèi)呈現(xiàn)出爆發(fā)性成長。

展望未來，隨著AI、物聯(lián)網(wǎng)、VR/AR、5G等技術(shù)成熟，將帶動新一波半導體產(chǎn)業(yè)的30年榮景，包括：內(nèi)存、中央處理器、通訊與傳感器四大芯片，各種新產(chǎn)品應用芯片需求不斷增加，以中國在半導體的龐大市場優(yōu)勢絕對在全球可扮演關(guān)鍵的角色。