1.  AI 硬件需要10X/year 的性能提升。这个只有靠scaling 实现（multi-core; multi-chip; multi-cluster, etc.)。靠制程缩小（比如5nm) 和 构架创新(architecture innovation)是达不到的。

2.  在DATA CENTER （TRAINING）领域，NVIDIA 一人独大。没有人能够挑战。INTEL 可能挑战。但是目前还不行。

3.  目前所有的初创公司，都是在EDGE领域做 INFERENCING。而不是在DATA CENTER （TRAINING）领域。原因：挑战NVIDIA，机会太渺茫。

4.  各大公司都在发展自己的SOC 构架协议: memory interconnect protocol; memory protocol; network fabric.  比如：INTEL， NVIDIA。小一些的联合起来做：

Rivals AMD, Arm, IBM, and Xilinx ganged together around CCIX and GenZ, a cache-coherent interconnect for accelerators and a link for memory, respectively. Recently, Intel countered with a more open processor interconnect for accelerators and memory called CXL, but so far, it lacks the third-party support of CCIX and GenZ.

6.  各大公司研发自己的accelerator （谷歌，百度，亚马逊，阿里巴巴，脸书）。同时，减小精度（4位，2位，甚至1位的数据宽度。浮点变定点），减少存储。

7.  性能评判标准很不成熟。还在发展中。  MLPerf 由谷歌起草；百度也有一个。

8.  深度学习这个领域还处在早期阶段，所以，保持硬件的灵活性很重要。研发者应该在可编程(programmability) 和性能（performance) 之间找到平衡。