2018是芯片产业的一个重要节点，也是呈现井喷式性能进化的一年。2019，必定也是各种芯片产品百家争鸣的一年。

在规模达3,350亿美元的全球半导体行业中，大大小小的公司都在努力研发新的芯片设计、材料和制造工艺。其中一个原因是，名为深度学习的人工智能技术正越来越广泛地被应用于图片分类、语音翻译和自动驾驶等任务，这些任务获益于新的计算机技术。

该技术涉及通过让系统接触海量数据来训练系统，这不同于用明确指令给系统编程，后者不仅耗时长，结果也往往不那么可靠。使用深度学习技术的网络公司尤其感兴趣的是，如何促进能更快得出结果的硬件的创新。

创新活动的激增，部分源于智能手机和个人计算机销售量的下降，这也同时导致了史无前例的芯片制造商的大规模合并。据迪罗基（Dealogic，全球金融数据提供商）统计，过去两年中共有707次合并和收购，总市值为2460亿美元。

与此同时，该行业用于提升性能的备用策略——稳步减少每个硅片上微型晶体管的数量——其效益也在遭遇瓶颈。几十年来，芯片制造商都遵从着摩尔定律，该定律以英特尔联合创始人戈登·摩尔的名字命名，认为每过两年左右芯片上可容纳的晶体管数量便会增加一倍。但最近人们发现，相对晶体管增多导致的芯片设计成本的上涨，计算速度和功耗方面的改善不再像以前一样显著。

国际商业机器公司(International Business Machines, 简称IBM)首席科学家Dharmendra Modha称，这既是最好的时代也是最坏的时代。

“深度学习会调整数据的表达，从而扩展了机器学习，最终深度学习将解决复杂的、数据丰富的业务问题。例如，深度学习在解读医学图像以便做早期诊断方面可以给出很好的结果，还可以帮忙改善视障人士的视力、控制自动驾驶的汽车、或者认识和理解某个人的语音。”

——深度学习是机器学习的一个变体，代表着向人工智能发展的主要驱动力之一。因为深度学习可以提供比其他机器学习方法更为出色的数据融合能力，所以Gartner预测，到2019年，深度学习将成为实现需求、欺诈和故障预测最佳性能的关键驱动因素。