人工智能(AI)是物聯(lián)網(wǎng)及工業(yè)4.0發(fā)展的核心。尤其，當特斯拉(Tesla)推出電動車及蘋果(Apple)發(fā)表新機iPhoneX推出FaceID之后，讓市場體驗到AI芯片的無限商機。同時，AI應用接受度越高的國家，將對其GDP產(chǎn)生貢獻愈大。

AI芯片包含三大類市場，分別是數(shù)據(jù)中心(云端)、通信終端產(chǎn)品(手機)、特定應用產(chǎn)品(自駕車、頭戴式AR/VR、無人機、機器人...)。當前機器學習多采用GPU圖像處理，尤以Nvidia是此一領域龍頭，但是，有些業(yè)者認為GPU處理效率不夠快，而且因應眾多特定新產(chǎn)品的不同需求，于是，推出NPU、VPU、TPU、NVPU...等等。目前還不清楚哪種架構(gòu)的芯片會在AI大戰(zhàn)獲勝。但(手機)終端市場對于AI芯片的功耗、尺寸、價格都有極為嚴格的要求，難度上比云端數(shù)據(jù)芯片更高。為搶未來AI應用市場商機，科技巨頭如Google、微軟、蘋果企圖建構(gòu)AI平臺生態(tài)模式吃下整個產(chǎn)業(yè)鏈。

圖：人工智能是物聯(lián)網(wǎng)時代之核心

目前來看，未來AI發(fā)展有八大新趨勢

趨勢一：AI于各行業(yè)垂直領域應用具有巨大的潛力

人工智能市場在零售、交通運輸和自動化、制造業(yè)及農(nóng)業(yè)等各行業(yè)垂直領域具有巨大的潛力。而驅(qū)動市場的主要因素，是人工智能技術(shù)在各種終端用戶垂直領域的應用數(shù)量不斷增加，尤其是改善對終端消費者服務。當然人工智能市場要起來也受到IT基礎設施完善、智能手機及智能穿戴式設備的普及。其中，以自然語言處理（NLP）應用市場占AI市場很大部分。隨著自然語言處理的技術(shù)不斷精進而驅(qū)動消費者服務的成長，還有：汽車信息通訊娛樂系統(tǒng)、AI機器人及支持AI的智能手機等領域。

趨勢二：AI導入醫(yī)療保健行業(yè)維持高速成長

由于醫(yī)療保健行業(yè)大量使用大數(shù)據(jù)及人工智能，進而精準改善疾病診斷、醫(yī)療人員與患者之間人力的不平衡、降低醫(yī)療成本、促進跨行業(yè)合作關系。此外AI還廣泛應用于臨床試驗、大型醫(yī)療計劃、醫(yī)療咨詢與宣傳推廣和銷售開發(fā)。人工智能導入醫(yī)療保健行業(yè)從2016年到2022年維持很高成長，預計從2016年的6.671億美元達到2022年的79.888億美元年均復合增長率為52.68％。

趨勢三：AI取代屏幕成為新UI/UX接口

過去從PC到手機時代以來，用戶接口都是透過屏幕或鍵盤來互動。隨著智能喇叭(SmartSpeaker)、虛擬/增強現(xiàn)實(VR/AR)與自動駕駛車系統(tǒng)陸續(xù)進入人類生活環(huán)境，加速在不需要屏幕的情況下，人們也能夠很輕松自在與運算系統(tǒng)溝通。這表示著人工智能透過自然語言處理與機器學習讓技術(shù)變得更為直觀，也變得較易操控，未來將可以取代屏幕在用戶接口與用戶體驗的地位。人工智能除了在企業(yè)后端扮演重要角色外，在技術(shù)接口也可承擔更復雜角色。例如：使用視覺圖形的自動駕駛車，透過人工神經(jīng)網(wǎng)絡以實現(xiàn)實時翻譯，也就是說，人工智能讓接口變得更為簡單且更有智能，也因此設定了未來互動的高標準模式。

趨勢四：未來手機芯片一定內(nèi)建AI運算核心

現(xiàn)階段主流的ARM架構(gòu)處理器速度不夠快，若要進行大量的圖像運算仍嫌不足，所以未來的手機芯片一定會內(nèi)建AI運算核心。正如，蘋果將3D感測技術(shù)帶入iPhone之后，Android陣營智能手機將在明年(2017)跟進導入3D感測相關應用。

趨勢五：AI芯片關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)合的關鍵在于先進的封裝技術(shù)。總體來說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FaceID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)。

結(jié)語

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。