“人工智慧其實就是統計學，只不過用了一個很華麗的辭藻”這是諾貝爾經濟學獎獲得者Thomas J. Sargent簡單表明當前的“人工智慧”。

當下的晶片，對“人工智慧”的引入，無外乎是“自己做統計”提高晶片效率，又或者是引人其它方面的“人工智慧”技術，讓晶片底層便可實現這些華麗的“人工智慧”技術。

打個比方來說明這兩種“人工智慧”的引人，一則類似於“智慧拼音輸入法”。一則類似於直接包含“人臉識別”、“聲音識別”等演算法。

用人工智慧來提高晶片效能，這個難度非常大，一旦有大的突破，將能“效能越級”。

另一種則受限比較大，畢竟只是融入演算法，融入得好，則效果明顯，融入得不怎麼樣，則可有可無。顯然，對晶片的“行業競爭”影響並沒那麼大，但在效果上還是有所提升的。

個人在晶片設計、開發、生產有點實際經驗，在人工智慧的演算法、設計、開發、銷售、市場方面也有點實務經驗，，，可以很客觀的分享一些比較務實的想法。。。

由於中興的晶片禁令，攪動了大夥對晶片的注意與興趣，而時代的演進也促成了人工智慧成為當今科技的中心話題之一，那這兩者又有什麼關係呢？

人工智慧領域很廣，牽扯到的演算法至少也有數千種，所謂人工智慧晶片就是將人工智慧相關演算法的一部分或某幾種演算法用晶片來實現。當然做法很多種，也造就了很多的‘創新’專案與企業，，，但是嚴格說起來，新興單純做人工智慧晶片的公司是很難存活的，，，如果是個設計公司，你的上下游合作廠商在哪裡？他們敢拿自己的品牌與你合作嗎？這不是一朝一夕就可以合作成功的，，，如果是個晶片製造公司，那你如何與幾十年匠工經驗重資產巨擘拼搏呢？

所以一個新興晶片企業比較可能的是延續某研發機構的研究理論，做了些雛形，然後找幾個在下游產業有關係的朋友試試這些雛形，，，但是要商業化一個處理複雜多重人工智慧演算法的真正高處理能力、低功耗的晶片並不簡單，若再做成本考量、穩定度、可擴充性、共融性等各種特質，那就又更難了。

可以成功的AI晶片公司基本上是已經有幾十年的晶片產業累積經驗，加上有足夠的資金與良好的產業共融性，那才比較可能成功，，，象牙塔裡的研究，加上幾個不計商譽的關係渠道的合作雖能慢慢取得進展，但是得一樣付出時間、成本、試錯、甚至品牌的‘學費’的。。。或許併購一個已經成熟的晶片公司，做點不一樣的商業模式，也可能有另一番商機，，，當然，‘錢’途有待觀察。。。