人工智慧(AI)風潮席捲而來，各大晶片商、設備商與應用服務商皆大舉投入相關技術，期能搭上人工智慧這波浪潮起飛，創造成長高峰。當然，台灣也不應在這波趨勢下缺席，台灣本身具備硬體晶片研發能量，加上AI對運算力與推理能力的需求，開發新晶片做為台灣進入AI的切入點，將有望為台灣IC產業開啟新契機。
工研院資訊與通訊研究所所長闕志克認為，這一波人工智慧最重要的技術在於機器學習與深度學習技術，而其中關鍵能力就是推理應用的能力。過去實現人工智慧需要由人類設計計算，透過機器學習技術可以讓電腦不停的自我學習、訓練能力，也產生出新晶片的需求，而這也是台灣機會。
闕志克進一步表示，深度神經網路(Deep Neural Network, DNN)技術須蒐集大數據資料來做訓練，其中，必定需要硬體資源的協助。以人工智慧所需的新晶片需求，可分為兩類型，第一種類型是可提供訓練用所需要的硬體，如NVIDIA的GPU可加快運算速度，一般要耗費兩星期工作天訓練得來的數值，僅在短短八小時內即可計算完成；第二種類型則為具被推論能力的硬體晶片。
現階段，實現人工智慧的主流硬體為GPU，不過未來是否有另外一種處理架構，可更適用於人工智慧應用，是目前晶片商們正在追尋的目標。例如，Google為了進一步強化機器學習能力，已私下研發專用的張量處理器(Tensor Processing Unit, TPU)，效能已達到GPU及中央處理器(CPU)的15及30倍。
闕志克表示，人工智慧晶片需要具備更優異的效能、製程以及強而有力的研發基金做後盾，因此，有能力在台積電(TSMC)下片的廠商，皆是有可能開發AI晶片的潛力廠商。他透露，聯發科(MediaTek)現在正積極投入開發AI新晶片，主要是將DNN演算法導入現有智慧型手機技術，將視作為新的處理器架構，其概念與GPU和TPU相似。
闕志克談到，以台灣來說，在人工智慧領域，強項在於硬體，因此有能力將人工智慧技術快速導入硬體零件。而應用部份，則可在既有廠商建立完成的DNN技術上，增加一些專屬於自己的應用或技術，快速將產品導入市場，增加競爭力。
另一方面，在政府政策部份，科技部已爭取五十億預算推動「人工智慧」研發。闕志克表示，在科技部長陳良基大力支持下，經濟部已有三個計畫正在籌備當中，第一個計畫是聚焦於AI應用；其次，是研發AI處理器；最後，是布局AI影像辨識。這些計畫雖然將於2018年開跑，但現在相關單位皆以積極開始研發布局，相信2018年將陸續有成果展示。
