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(dǎo)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(xué)習(xí)算法相結(jié)合，而成功相結(jié)合的關(guān)鍵在于先進(jìn)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(shí)就是3D深度感測芯片加上神經(jīng)引擎運(yùn)算功能，整合高達(dá)8個(gè)組件進(jìn)行分析，分別是紅外線鏡頭、泛光感應(yīng)組件、距離傳感器、環(huán)境光傳感器、前端相機(jī)、點(diǎn)陣投影器、喇叭與麥克風(fēng)。蘋果強(qiáng)調(diào)用戶的生物識(shí)別數(shù)據(jù)，包含：指紋或臉部辨識(shí)都以加密形式儲(chǔ)存在iPhone內(nèi)部，所以不易被竊取。

趨勢六：AI自主學(xué)習(xí)是終極目標(biāo)

AI“大腦”變聰明是分階段進(jìn)行，從機(jī)器學(xué)習(xí)進(jìn)化到深度學(xué)習(xí)，再進(jìn)化至自主學(xué)習(xí)。目前，仍處于機(jī)器學(xué)習(xí)及深度學(xué)習(xí)的階段，若要達(dá)到自主學(xué)習(xí)需要解決四大關(guān)鍵問題。首先，是為自主機(jī)器打造一個(gè)AI平臺(tái);還要提供一個(gè)能夠讓自主機(jī)器進(jìn)行自主學(xué)習(xí)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(shí)世界一樣;然后再將AI的“大腦”放到自主機(jī)器的框架中;最后建立虛擬世界入口(VR)。目前，NVIDIA推出自主機(jī)器處理器Xavier，就在為自主機(jī)器的商用和普及做準(zhǔn)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(huì)推出許多專門的領(lǐng)域所需的超強(qiáng)性能的處理器，但是CPU是通用于各種設(shè)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(jì)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(shí)現(xiàn)多種算法。

趨勢八：AR成為AI的眼睛，兩者是互補(bǔ)、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(jī)器人學(xué)習(xí)而創(chuàng)造的在虛擬世界，本身就是虛擬現(xiàn)實(shí)。還有，如果要讓人進(jìn)入到虛擬環(huán)境去對(duì)機(jī)器人進(jìn)行訓(xùn)練，還需要更多其它的技術(shù)。

迎物聯(lián)網(wǎng)時(shí)代來臨

至于 CPU是否會(huì)被TPU、NPU、VPU….等之類新類型處理器取代，答案應(yīng)該不會(huì)。

因?yàn)?，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(shí)，芯片市場期望能有更多競爭及選擇，不要英特爾、高通獨(dú)大。

迎物聯(lián)網(wǎng)時(shí)代來臨，以往大家認(rèn)為摩爾定律最后會(huì)走到極限，但未來硅時(shí)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(shí)代的法則，GPU的計(jì)算速率和神經(jīng)網(wǎng)絡(luò)復(fù)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(dòng)新一波半導(dǎo)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(yīng)用芯片需求不斷增加，以中國在半導(dǎo)體的龐大市場優(yōu)勢絕對(duì)在全球可扮演關(guān)鍵的角色。