对于未来我们要去构造一个完整的做一件任务的解决方案的话，实际上来讲我分析不外乎两种情况，一种就是说先讲数据处理需求比较传统的情况，比如是很确定的小的设备，像无人机这种它只需要去检测有没有障碍，有没有人脸，做人脸的拍照或者做人体的跟踪，实际上它的任务是相对来说比较简单确定的，它用一个小的CPU+ASIC就可以了。但是如果是复杂应用的例子，像无人驾驶，它有太多的任务要做，既要做外面环境的建模识别做避障，又要做车内人员信息的识别等功能。它肯定是一个异构的多种处理器混合在使用。像精准医疗也是一样的，假如说我在一个医院里上一套系统支持这么多的科室，又做实验室数据采集的一些分析，还做基因测序，还要通过人工智能算法去自动的读那些片，X光片，核磁共振片什么的，那我其实也需要这样的系统，使用起来的实时性可能就没有无人驾驶那么高。

这两种情况我们就会看到实际上我们怎么着都会需要异构的系统来去最合理的一个范围。即使是异构的系统慢慢也会往更高层发展。最开始大家都是在原形阶段在试，现在很多在做无人驾驶都是多模块系统，就是多个板子先连起来把功能试试，这个板子是CPU，那个板子是FPGA，那个板子是ASIC什么的，如果把它都做在一个半子上，这样减少成本，也减少之间的开销。如果再进一步其实就是能够把它集成到一个芯片的封装里面，这样效率是最高。

SIP也是一个比较高级的技术，在英特尔我们把++至强和FPGA++封装到一个芯片里面。两个不同的功能，一个做多任务的灵活的控制，第二做硬件级别加速低功耗的方案。

人工智能从技术突破早期阶段到经济正循环的产业升级

而且未来因为我们是说现在人工智能还属于早期阶段，大家刚刚被技术进步的喜悦所鼓舞，实际上来讲现在属于一个技术主导的阶段，在这个解的时候我们可能更多的关注是KPI，具体的技术点到底突破到了什么程度。人脸识别可以做到多少准确度？表情识别什么程度，物体检测什么程度，场景分析什么程度，这是具体的一些技术点。学术指标上大家可能在拼，几个点几个点在慢慢拼，最后拼到95%以上的那个点就开始越来越强。

慢慢开始我们讲要部署，最后你这些技术的升级一定要落到产业升级里面去，才能变成一个正循环，到这一步的时候其实就是经济因素在主导，如果差别只是一两个点其实无所谓，要看整个系统是不是很完整的构造起来，要看系统的运营效率，这种情况下关注构造系统的价格，整体运营功耗，让普通工程人员去学习，去使用和维护这样的系统哪个容易，这些都是考虑的因素。

应用场景下的芯片，异构计算、软硬协同是趋势

所以在早期来讲我们认为在技术因素主导的时候大家就是什么方便用什么，CPU、GPU这个连起来最方便，做学术研究最方便，但是真的到了市场因素来主导我去看怎么样部署最好的时候大家会去评估到底是怎么样一个异构的结合是最好。

为什么有多种不同的应用场景，无人驾驶是全球大家非常看好的领域，这个领域升值是说会带来千亿级别的市场，所以汽车里面本身它就要具备很多的硬功能，传感器的融合，建环境的模，并且能够检测到异常，所以它本身是一个很强的服务器，所以以后每一台无人驾驶汽车都是一台服务器，因为每台车每天会超过4000个GB的数据，这些数据都不可能通过5G来传输，所以一定很多数据是在本地处理和分析然后选择性的往上走，本地你会使用很多技术，超越现代服务器的技术。