趋势五：AI芯片关键在于成功整合软硬件
AI芯片的核心是半导体及算法。AI硬件主要是要求更快指令周期与低功耗，包括GPU、DSP、ASIC、FPGA和神经元芯片，且须与深度学习算法相结合，而成功相结合的关键在于先进的封装技术。总体来说GPU比FPGA快，而在功率效能方面FPGA比GPU好，所以AI硬件选择就看产品供货商的需求考虑而定。例如，苹果的Face ID脸部辨识就是3D深度感测芯片加上神经引擎运算功能，整合高达8个组件进行分析，分别是红外线镜头、泛光感应组件、距离传感器、环境光传感器、前端相机、点阵投影器、喇叭与麦克风。苹果强调用户的生物识别数据，包含：指纹或脸部辨识都以加密形式储存在iPhone内部，所以不易被窃取。
趋势六：AI自主学习是终极目标
AI“大脑”变聪明是分阶段进行，从机器学习进化到深度学习，再进化至自主学习。目前，仍处于机器学习及深度学习的阶段，若要达到自主学习需要解决四大关键问题。首先，是为自主机器打造一个AI平台;还要提供一个能够让自主机器进行自主学习的虚拟环境，必须符合物理法则，碰撞，压力，效果都要与现实世界一样;然后再将AI的“大脑”放到自主机器的框架中;最后建立虚拟世界入口(VR)。目前，NVIDIA推出自主机器处理器Xavier，就在为自主机器的商用和普及做准备工作。
趋势七：最完美的架构是把CPU和GPU(或其他处理器)结合起来
未来，还会推出许多专门的领域所需的超强性能的处理器，但是CPU是通用于各种设备，什么场景都可以适用。所以，最完美的架构是把CPU和GPU(或其他处理器)结合起来。例如，NVIDIA推出CUDA计算架构，将专用功能ASIC与通用编程模型相结合，使开发人员实现多种算法。
趋势八：AR成为AI的眼睛，两者是互补、不可或缺
未来的AI需要AR，未来的AR也需要AI，可以将AR比喻成AI的眼睛。为了机器人学习而创造的在虚拟世界，本身就是虚拟现实。还有，如果要让人进入到虚拟环境去对机器人进行训练，还需要更多其它的技术。
迎物联网时代来临
至于 CPU是否会被TPU、NPU、VPU….等之类新类型处理器取代，答案应该不会。
因为，新出现的处理器只是为了处理新发现或尚未解决的问题，而且未来倾向将CPU整合。同时，芯片市场期望能有更多竞争及选择，不要英特尔、高通独大。
迎物联网时代来临，以往大家认为摩尔定律最后会走到极限，但未来硅时代是异质性及跨界的整合，还有很多需求未出现。NVIDIA执行官黄仁勋则表示，摩尔定律已经是旧时代的法则，GPU的计算速率和神经网络复杂性都在过去2到5年内呈现出爆发性成长。
展望未来，随着AI、物联网、VR/AR、5G等技术成熟，将带动新一波半导体产业的30年荣景，包括：内存、中央处理器、通讯与传感器四大芯片，各种新产品应用芯片需求不断增加，以中国在半导体的庞大市场优势绝对在全球可扮演关键的角色。
