雖然人工智慧的發展歷經過去兩次的低潮，但隨著工業4.0、智能生活、互聯網+等領域快速進步，意謂下游領域智能化需求有所拉動，加上硬體技術不斷取得突破，特別是2016年3月圍棋的人機大戰中，AlphaGo戰贏李世乭，代表機器學習的大躍進，更何況在深度學習技術的推動下，人工智慧已在多個領域獲得突破性的進展，因而近期人工智慧再次進入歷史上第三個黃金發展時期，勢必將成為新一輪科技革命的強大推動力，iResearch即預估全球人工智慧市場規模將可由2015年的74.5億美元成長至2020年的183億美元，年複合成長率達19.7％。

　事實上，人工智慧發展的關鍵要素則包括數據、算法、硬體，數據則是大數據與頻繁的人機互動，算法現階段則有工程學方法與模擬法兩種，而硬體則是以人工智慧晶片為主軸，類別則包括繪圖處理器（GPU）、現場可程式邏輯閘陣列（FPGA）、特殊應用積體電路（ASIC）、類腦晶片等。由於GPU、FPGA、ASIC、類腦晶片等晶片為人工智慧技術核心環節，因此包括Nvidia、Altera、Intel、Google、Apple等國際大廠均積極投入並展開布局。

　其中Nvidia則是GPU的佼佼者，其在全球GPU市場占有率高達七成以上，遠高於位居第二AMD三成以下的水準，顯然Nvidia在GPU市場有絕對優勢，更因GPU並行計算能力突出，在深度學習訓練環節具備優勢，而使Nvidia身價水漲船高，近來在全球半導體業市值排行大幅躍升至第三名，Nvidia創辦人黃仁勳更被封為全球AI教父的稱號，同時在2017年出爐的Glassdoor全美企業CEO年度排行榜中，黃仁勳更高居第六名，顯然其影響力之深遠。

　而Nvidia自2015年4月即陸續推出GeForce GTX TITAN X、DIGITS DevBox平台、DRIVE PX、Pascal架構、GP100等加速運算GPU等相關產品，更於2017年5月發布首款Volta架構的GPU—GV100產品，將由台積電12奈米FinFET製程來進行打造，最大亮點是成倍提升了推理性能，顯然Nvidia在目前稱霸機器學習訓練場景的基礎上，也期望在推理場景成為最佳商用選擇，預料Nvidia的GV100產品會更加奠定GPU為目前深度學習領域使用最為廣泛核心晶片的地位。

　而在2016年初Intel收購全球FPGA代表性廠商—Altera後，2016年11月Intel即推出Nervana的AI處理器，專案代碼為「Lake Crest」，顯然Intel的策略即是藉由FPGA在計算能力和靈活性來彌補CPU的缺點，在深度學習領域中，Intel將力推CPU結合FPGA的組合來成為人工智慧晶片重要的發展方向。

　近期全球ASIC晶片當中，則尤以2017年5月Google所發布第二代TPU最受矚目，相較於第一代TPU僅能針對邏輯推演作加速，第二代TPU不但大幅提昇運算效能，更增加對應深度學習應用加速設計，惟第二代 TPU依然是針對開放學習框架TensorFlow加速為主，無法像Nvidia 提出GV100等GPU加速模式可額外支援Caffe、Cognitive Toolkit等學習框架，因而第二代TPU應用領域仍有侷限。

　至於類腦晶片則是一種基於神經形態工程、借鑒人腦資訊處理的模式，現階段各國政府及科技巨頭都在大力推動類腦晶片的研發進程，2013～2017年包括美國、日本、德國、英國、瑞士等發達國家已經制定相應的發展戰略，中國的類腦科學研究專案也已經正式啟動，而廠商的投入方面則包括IBM TrueNorth 晶片、Qualcomm Zeroth晶片、Google的神經網路圖靈機、Intel的神經型態晶片等。