前的速度发展，接下去很有可能就是越发展越亏损，但如果我们不按照之前的速度发展，行业的迭代速度将会放缓。

但利润是商业的前提，如果年年亏损，不管是英特尔还是我们大风半导体，能贴多少年？

这个问题又如何解决？”

孟谦从经济学的角度点出这个非常现实的问题，而从曾经一世的发展来看，英特尔选择的方案就是放缓迭代速度，这在英特尔后面几年的财务报表中都写的清清楚楚。

“我不知道英特尔现在是怎么想的，对我们来说，在这样的一个大背景之下，我们这两年越来越关注的一个问题就是专用芯片的发展。

专用芯片因为不需要在通用性和兼容性上做什么妥协，性价比和能效表现远远高于通用芯片。

而且专用芯片在特定领域能做得更好，性能往往可以达到通用芯片的数十倍甚至上百倍的。

但之前因为通用芯片的迭代速度足够适应计算机的进化，很少有人把注意力放在专用芯片上。

一款专用芯片的发展需要生态的配合，不然商业道路太窄也就失去了商业意义。

再加上专用芯片缺乏灵活性，芯片设计完成之后就不能增加新的功能了，成为了一种限制。

但这几年深度学习的发展却让向市场展现了专用芯片的无限可能性。

专用芯片和通用芯片的未来会如何，我们不可能脱离经济去考虑这个问题，通用芯片在这40多年的时间里能快速发展，就是因为经济效益。

用户可以在同等价格下使用拥有更多功能的通用芯片，用户自然会选择通用芯片，企业也不会费这个里去投资专用芯片。

但现在，通用芯片的成本上涨，计算机行业出现了产品分层。

智能手机就是一个明显的分层产品，并且在智能手机的快速发展之下，迅速带动了ai芯片的发展。

事实证明，只要有足够大的市场和足够高的收益，人们会毫不犹豫地搞专用化。

我们来看看ai芯片数据，2013年，全球ai芯片市场规模突破了80亿软妹币，从2014你上半年的数据来看，今年很可能突破120亿软妹币，而随着移动智能设备的爆发，我们的预测模型显示，ai芯片很可能在2016年突破300亿软妹币的市场规模，基本能达到全球服务器cpu规模的五分之一。

而等到2020年，ai芯片或有望突破千亿规模，那个时候，ai芯片的市场规模可以达到服务器cpu市场规模的一半。