随着各种传感器的性能持续走高，譬如多线激光雷达、高分辨率的图像传感器等，我们对边缘计算单元尤其是GPU的需求也在持续增加。但在实现的过程中，我们还有一些物理限制没法消除，像是尺寸、重量和功耗等。
人工智能对于生态的要求非常高，涉及框架、应用、模型的适配等，英伟达率先基于CUDA生态将上下游打通，对于下游的算法开发商和服务商来说，它的GPU在性能具备优势的同时还保持了易用性。
人工智能已经开始深入各行各业，从早期的金融服务业、医疗、汽车行业，到目前的餐饮、交通等等，正在发生着一系列的变化，未来几乎所有的主要行业都会将人工智能作为一个重要的技术手段。
云迁移的热潮已经基本结束。大多数企业都有云足迹，新的模式正在优化这种投资。而优化这种投资还包括将一些工作负载转移到利基云计算提供商、私有云，甚至遣返回内部部署设施。
中国在自主研发GPU方面仍处于起步阶段，但已经聚集了约20家该领域的企业，包括景嘉微电子、芯动科技、天数智芯、摩尔线程、壁仞科技、沐曦集成、登临科技和砺算科技。它们在资本市场上最受追捧，其中许多已经将其GPU芯片投入量产。
人工智能将会进入越来越多的应用中，而在数据中心侧人工智能模型的训练和推理，目前最佳的解决方案就是GPU。我们目前看到人工智能模型的复杂度正在快速上升，训练所需要的数据量也在越来越大，这也意味着单个模型需要的计算量正在上升，同时结合模型部署和训练数量的上升，两者的乘数效应使得数据中心对于GPU的需求仍然会持续上升。
