在业界探索人工智能最佳商业应用的同时，半导体公司也在竞相满足自动驾驶汽车和虚拟助手等创新带来的需求。
虽然人工智能(通常被称为AI)在媒体上得到了大量关注，但许多机构和公司仍在试图弄清楚人工智能、机器学习和深度学习将为他们的业务提供哪些机会。
大多数组织都将人工智能视为颠覆其业务的潜在来源，以及与竞争对手的差异化来源。然而，目前的讨论主要集中在试验这项技术可以做什么，而不是广泛采用。但是，当各个行业都在探索人工智能的最佳用途时，半导体公司正在竞相满足自动驾驶汽车、虚拟助手和流程自动化等创新带来的需求。
机器学习分为两个步骤，学习阶段和执行阶段，每个阶段对半导体芯片有不同的需求和要求。随着这些技术的发展，新一代芯片将需要最大限度地提高学习和执行的效率和效果。
教计算机思考
在学习阶段，半导体芯片消耗大量的能量，需要大量的计算。最初，图形处理单元(gpu)——最初是为计算机游戏开发的——被重新用于机器学习目的。
人工智能有潜力推动半导体行业的发展，但它也可能对所有行业产生变革。
现在，许多公司都在创造自己的定制芯片，专门为人工智能和机器学习目的而设计。装满这些计算和功耗密集型芯片的服务器群将试图找出它正在探索的事物的规则，无论是国际象棋这样的游戏，还是公司的物流或it支持。
一旦计算机学会了规则，执行阶段允许机器学习扩展。相比之下，执行需要一个相对较小的芯片，因为在学习过程中，规则已经由一大批gpu计算出来了。这些芯片可以制造出数千万个，并可以嵌入到我们每天使用的设备中。
随着我们周围的设备变得越来越智能，连接越来越紧密，我们看到日常物品中的半导体含量越来越高。这些技术是我们所说的物联网(IoT)的延续:智能手机中的3D传感器可以用于面部识别，语音控制的智能家居设备可以回答问题，甚至是互联网搜索服务。所有这些设备(以及更多)都利用了人工智能、机器学习和深度学习的训练。
这种学习的力量是显而易见的，当你看看程序员是如何构建一个可以玩棋盘游戏“Go”的计算机。当人工智能研究人员第一次教系统玩游戏时，它需要数十个相互连接的、耗电大的服务器来学习如何玩。该系统的新版本使用了十分之一的计算能力。
这台电脑通过和另一台电脑玩游戏自己学会了规则，它变得更快更强。没有人教它如何根据这些规则进行游戏。这就是所谓的深度学习。当它工作的时候，它是非常不可思议的，因为机器是自己学习的，很少有人干预。
行业学会使用人工智能
假设一家公司正面临着与运输货物相关的物流问题。如果机器学习或深度学习芯片应用于这个问题，它可能会找到一种方法来优化物流，优化公司的效率，并增加回报。
但让我们更进一步:人工智能有一天会使用大量的公司销售数据来帮助服装零售商决定生产的产品数量吗?它能帮助银行在没有人工干预的情况下更换丢失的借记卡吗?或者利用设备的历史性能和先进的监控，帮助工厂确定机械何时可能发生故障，确保工厂可以24/7/365全天候运行，没有停机时间?也许。
对于企业来说，这些新技术可能会以一种有意义的方式提高生产率，尤其是在资本品、制造业、制药、医疗保健和金融服务等数字化程度较低的行业。许多这样的业务部门都有大量的数据流经他们的系统，并且不一定要充分利用这些数据。
在未来十年中，人工智能可能不仅有潜力推动半导体行业的发展，还可能对所有行业产生变革。
对于摩根raybet炉石传说士丹利来说研究关于关键的技术、媒体和电信主题，请咨询您的摩根士丹利代表或raybet炉石传说财务顾问．你也可以参观TMT巴塞罗那2017页面。
