总体来说GPU比FPGA快，而在功率效能方面FPGA比GPU好，所以AI硬体选择就看产品供应商的需求考量而定。例如，苹果的Face ID脸部辨识就是3D深度感测晶片加上神经引擎运算功能，整合高达8个元件进行分析，分别是红外线镜头、泛光感应元件、距离感应器、环境光感测器、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6：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7：CPU和GPU(或其他)结合是完美架构
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8：AR成为AI的眼睛，两者互补、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。
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：记忆体、中央处理器、通讯与感测器四大晶片，各种新产品应用晶片需求不断增加，以台湾在半导体的竞争力绝对在全球可扮演关键的角色。
