前不久，英伟达发布了其机器人平台——Jetson Xavier，我们可以看到，这个平台包含了6种处理器：1个Volta TensorCore GPU、1个8核ARM64 CPU、2个NVDLA深度学习加速器、1个图像处理器、1个视觉处理器和1个视频处理器。嵌入式定制开发

近年来，芯片公司除了之前的纵向发展提升速度外，也越来越注重横向发展，开始整合各种不同类型的芯片。之前英特尔的AI大会，其AI平台也包括一票不同的处理核心，包括：CPU、GPU、DSP、NNP、FPGA等。手机SoC也是功能不断的丰富，在传统的CPU、GPU、ISP、基带芯片之外，现在越来越多的厂商还会加入另外的加速DSP、用来加速AI的NPU等处理核心。

随着应用越来越多样化，这种通过多种芯片进行异构计算已经成为行业的主流，目前看来这种趋势可能会继续加速。

现在最先进的处理器为10nm制程，目前垄断半导体光刻市场的ASML 将光刻机的技术蓝图推至 2030 年 1.5 纳米，给了摩尔定律10年左右的寿命，谁也不知道最后的极限到底是多少，但是维持摩尔定律越来越难一家是业界共识。当单一芯片发展遇到瓶颈时，横向的发展就变得更加重要，拓展多种芯片可以将自己的市场快速扩大，现在已经成为芯片厂商的主流发展方向。

在现今移动和云时代,移动设备需要处理各种各样的信息，包括通讯、执行程序、处理图片、娱乐游戏、处理各种传感器的信息等等。传统依靠类似CPU这样通用处理器来处理这些信息的效率非常低。

一个是时间上效率低，CPU这种为顺序计算而设计的处理器，一旦被占用，其他处理请求就只能等待。这样任务一多，很多请求就得不到及时处理。另外一个是能源使用上效率低，为了应对各种不同的情况，CPU的功耗会比专门处理相应数据的处理器更高，这也是为什么 iPhone在5S引入了协处理器来处理陀螺仪等传感器的数据，来为设备省电。

高通一直以集成度高著称, 在移动市场到来时便如鱼得水。高通的SoC里面包括了各种各样的处理单元：包括加速3D的GPU，处理照片的ISP，处理通信的基带芯片，处理音频的编解码器，加速向量计算的DSP等。

在移动平台上，各种芯片各司其中，大大提升了手机等移动设备各项功能的响应速度，同时其功耗也可以得到保证，毕竟依靠电池的移动设备对用电非常敏感。

而到数据中心这一端，处理海量数据成为数据中心的主要工作，而传统的处理器并行计算能力受限，超级计算机常常要并联上万颗处理器。特别是AI计算越来越受重视后，CPU并行能力差的弱点更加暴露无疑。

这个时候，更适合并行计算的GPU就成了很好的选择，2008年前后，通过GPU构造的超级电脑越来越多，而2013年之后来爆发的AI计算热潮，更将GPU应用推向了高潮。于此同时，像FPGA这样的产品，也被发现可以很好的加速于AI算法，成为数据中心的常客。

相对于个人，数据中心也十分在意能耗，电费开支是数据中心的一个大项开支出。所以利用特别的硬件加速算法，节省用电，也是数据中心的追求，这和移动的的需求类似。所以在云端，越来越多不同种类的芯片也开始被应用。

国内这边，以紫光为代表的财团，也开始大力整合，紫光集团在2013年-2015年收购了展讯、锐迪科、新华三。并拟38亿美元投资硬盘龙头西部数据成为为大股东、并通过西部数据190亿美元收购存储芯片商Sandisk。2016年，紫光集团通过二级市场低调收购FPGA芯片企业莱迪斯6.07%股权。也大有买遍天下的气势。

由于摩尔定律基本失效，低于28nm的工艺已经无法降低成本，必须通过企业的整合来扩大规模来获得规模优势，才能在市场竞争中获得成本优势，否则就会被市场淘汰。所以，近年来芯片行业并购异常激烈，并购规模屡创新高，并且没有看到有停歇的意思。