虽然人工智能的发展历经过去两次的低潮，但随着工业4.0、智能生活、互联网+等领域快速进步，意味下游领域智能化需求有所拉动，加上硬件技术不断取得突破，特别是2016年3月围棋的人机大战中，AlphaGo战赢李世乭，代表机器学习的大跃进，更何况在深度学习技术的推动下。

       人工智能已在多个领域获得突破性的进展，因而近期人工智能再次进入历史上第三个黄金发展时期，势必将成为新一轮科技革命的强大推动力，研究机构即预估全球人工智能市场规模将可由2015年的74.5亿美元成长至2020年的183亿美元，年复合成长率达19.7%。

       事实上，人工智能发展的关键要素则包括数据、算法、硬件，数据则是大数据与频繁的人机互动，算法现阶段则有工程学方法与模拟法两种，而硬件则是以人工智能芯片为主轴，类别则包括绘图处理器（GPU）、现场可程式逻辑闸阵列（FPGA）、特殊应用集成电路（ASIC）、类脑芯片等。

       由于GPU、FPGA、ASIC、类脑芯片等芯片为人工智能技术核心环节，因此包括Nvidia、Altera、Intel、Google、Apple等国际大厂均积极投入并展开布局。其中Nvidia则是GPU的佼佼者，其在全球GPU市场占有率高达七成以上，远高于位居第二AMD三成以下的水准，显然Nvidia在GPU市场有绝对优势，更因GPU并行计算能力突出。

        在深度学习训练环节具备优势，而使Nvidia身价水涨船高，近来在全球半导体业市值排行大幅跃升至第三名，Nvidia创办人黄仁勳更被封为全球AI教父的称号，同时在2017年出炉的Glassdoor全美企业CEO年度排行榜中，黄仁勳更高居第六名，显然其影响力之深远。

         而Nvidia自2015年4月即陆续推出GeForce GTX TITAN X、DIGITS DevBox平台、DRIVE PX、Pascal架构、GP100等加速运算GPU等相关产品，更于2017年5月发布首款Volta架构的GPU—GV100产品，将由台积电12纳米FinFET制程来进行打造，最大亮点是成倍提升了推理性能，显然Nvidia在目前称霸机器学习训练场景的基础上，也期望在推理场景成为最佳商用选择，预料Nvidia的GV100产品会更加奠定GPU为目前深度学习领域使用最为广泛核心芯片的地位。

       而在2016年初Intel收购全球FPGA代表性厂商—Altera后，2016年11月Intel即推出Nervana的AI处理器，专案代码为“Lake Crest”，显然Intel的策略即是借由FPGA在计算能力和灵活性来弥补CPU的缺点，在深度学习领域中，Intel将力推CPU结合FPGA的组合来成为人工智能芯片重要的发展方向。

      近期全球ASIC芯片当中，则尤以2017年5月Google所发布第二代TPU最受瞩目，相较于第一代TPU仅能针对逻辑推演作加速，第二代TPU不但大幅提升运算效能，更增加对应深度学习应用加速设计，惟第二代 TPU依然是针对开放学习框架TensorFlow加速为主，无法像Nvidia 提出GV100等GPU加速模式可额外支援Caffe、Cognitive Toolkit等学习框架，因而第二代TPU应用领域仍有局限。

      至于类脑芯片则是一种基于神经形态工程、借鉴人脑资讯处理的模式，现阶段各国政府及科技巨头都在大力推动类脑芯片的研发进程，2013～2017年包括美国、日本、德国、英国、瑞士等发达国家已经制定相应的发展战略，中国的类脑科学研究专案也已经正式启动，而厂商的投入方面则包括IBM TrueNorth 芯片、Qualcomm Zeroth芯片、Google的神经网路图灵机、Intel的神经型态芯片等。