CPU的誕生強化了電腦、PC、手機等智能產業的發展。從最早1971年4004微處理器開始奠定個人電腦發展基礎與系統智能功能，到1989年后intel處理器開辟了個人電腦的巔峰，讓電腦從命令列轉型至點選式的圖形化操作環境。

　　而手機CPU如同電腦，操控著整臺手機的中樞系統。通過運行存儲器內的軟件及調用存儲器內的數據庫，進而分析從而達到控制目的。家喻戶曉的高通更是獨霸智能手機市場，新發布的驍龍820更是手機CPU榜單上的狀元，媲美之及唯有蘋果A9X與三星的8890，MTK、NVIDIA、Intel、華為等處理器緊隨其后，占據絕大數的中低端市場。

　　再深掘一層，移動互聯網帶動下的智能硬件，牽動的不僅是車聯網、物聯網，還有背后談笑風生的一眾芯片廠商。CPU控上ANI，訓練出一輛會學習駕駛的汽車你敢相信嗎？

　　來自Nvidia的工程師設計了一套能夠通過觀察駕駛員的駕駛行為的系統：讓汽車學習如何駕駛。這是一套基于GPU的系統，主要原理是攝像機和計算機相輔相成。使用了3個攝像頭與2臺DRIVEPX計算機72個小時不間斷的觀察駕駛員動作行為，攝像頭會以3D形式捕捉并記錄周邊情況與大量數據，GPU則會對這些信息進行追蹤和存儲。這些數據隨后會被機器學習系統Torch7分析并分解成學習步驟，最終打造出一個無需駕駛員干預的自動駕駛系統，這或許是未來無人駕駛汽車的另一出路。

　　這種“訓練”在已經在美國多個州、不同天氣條件和時間以及多種道路類型和路況上進行，測試結果顯示：系統能達到98到100%的自動駕駛能力。雖然汽車可以進行自動行駛，但當通過攝像頭檢測到之前沒有遇到過的情況時，系統會提醒駕駛員接管方向盤，并進入學習模式，隨后學習到的內容實時性被傳輸到云端，并融入到未來的軟件升級當中，類似于阿爾法狗這類學習機器人般，可自發性學習并記錄同類型狀況下的應對辦法。

　　再深掘一層，移動互聯網帶動下的智能硬件，牽動的不僅是車聯網、物聯網，更多的是背后談笑風生的一眾芯片廠商。至今，智能硬件充盈著全球產業，芯片方案解決了絕大部分“軟”問題，從而牽涉出了各個行業對于智能設備的研發進度絕地重生，可聯網的智能產品比肩皆是。最常接觸的便有車載導航等日常使用率較高德智能設備，美行定制化導航系統在列的諸多以導航起家的，更是將車機交互方面著重處理，妥善完成兩者真正同步。

　　CPU解決了智能硬件里絕大部分“軟”問題，從而牽涉出了各個行業對于智能設備的研發進度絕地重生，可聯網的智能產品比肩皆是。最常接觸的便有車載導航等日常使用率較高德智能設備，美行定制化導航系統在列的諸多以導航起家的，更是將車機交互方面著重處理，妥善完成兩者真正同步。

　　但往往事態猖獗，有利更有弊。如今的智能設備芯片方案大體一致，使得行業門檻越來越低，適用標準也在降低，小廠商企圖以快消費似的方式來終結產品的前途，就像病毒空降蔓延至整個互聯網時代，這是我們不愿看到的。

　　所以當務之急的是要打破智能硬件的“非智能”局勢，使得未來智能硬件不再只是一只交互互聯的呆頭鵝，更多的領域與功能都將強化至弱人工智能層面上。