「科技產品週期」源於「平臺」與「應用」之間的不斷互相作用;新平臺提供了新應用運行的基礎，而新應用反過來也使新平臺更有價值，從而形成一個正週期。每10到15年，便會出現一個新的週期，徹底地重塑計算機世界。如果按照「每10至15年，週期便會完成一個循環」的說法，那麼我們目前已經處於「計算機次時代」的「孕育期」之中了，同時還將在未來幾年內進入「成長期」。那麼小編將從硬件以及軟件的發展趨勢中帶與大家聊聊計算機應用技術「次時代」的端倪。
硬件：微小、便宜、無所不在
在「主機時代」，只有大型組織機構才能夠擁有一臺大型計算機;對於那些小型組織來說，它們只能買得起小型計算機;而至於家庭和辦公室，PC是他們最佳的選擇;但若只爲了個人使用，可能我們會選擇一臺智能手機。
由於處理器和傳感器變得越來越小，價格也越來越便宜;所以也許很快我們就能看到世界上計算機的數量或許會超過人類的數量的那天。
之所以計算機如此飛速發展，主要有兩個原因：一個是半導體產業在過去50年來的穩定發展;另一個則是「智能手機戰爭的和平紅利」(the peace dividend of the smartphone war)：智能手機的大獲成功促進了處理器以及傳感器的相關投資，從而帶動了周邊系列行業的興起，如果你拆開一架無人機或者一個VR頭戴設備，你會發現裏面基本上都是智能手機的適用零件。
在「現代半導體時代」，人們的注意力已經從獨立CPU轉移到了集成度更高的單芯片系統上。
典型的單芯片系統會把高性能ARM的CPU與用於圖形處理、信息交換、以及電源管理、視頻處理的專業芯片「捆綁」在一起。這種新結構將一臺基礎計算機系統的成本從100美元降至10美元。如今，你只要花5美元就能買到Raspberry Pi Zero，這是一臺1GHz的基於Linux計算機;不僅如此，很快這些芯片會進一步降價至1美元，到了那時，我們終於可以說「所有人都能買得起一部計算機了」。
與此同時，高端處理器領域的發展也令人印象深刻，尤其是以Nvidia爲代表的圖形處理器廠商們。對它們來說，圖形處理器不再僅用於圖形處理上，它們在機器學習算法的發展以及VR/AR設備上也扮演着重要角色，在未來幾年圖形處理將會迎來一個顯著的飛躍。
除圖形處理器之外，量子計算在未來或許也會成爲一匹大黑馬。如果量子計算走出實驗室，進入商業應用，那麼這將會對於生物學以及人工智能領域的相關算法產生極大的提升。
軟件：人工智能的黃金時代
如今軟件領域「令人興奮」的事情中，分佈式系統是十分突出的一個。
當終端越來越多時，不同終端之間的並行任務處理以及信息交換，成爲了一個重要的問題。市面上已經有了一些有趣的分佈式系統，如Hadoop、Spark等，它們用於大數據處理以及解決數據及安全問題。
但即使分佈式系統再有用，也比不上AI能夠給人帶來的興奮感。在過去，AI總被人冠以「不實宣傳」的帽子，Alan Turing當年曾預言機器將在2000年徹底模仿人類，但事實證明這個預言並沒有實現。然而無論如何，我們依然有充分的理由相信，如今AI將進入一個真正的「黃金時代」。
大多數關注AI的愛好者，都是從「深度學習」(Deep Learning)開始的。這是一個Google在2012年發佈的機器學習技術，當時Google通過使用這個技術，讓AI學習辨認YouTube視頻中的一隻貓。深度學習是一個生物神經網絡的延伸，這是一個集新算法、低成本以及大數據的技術集合。
「深度學習」的興起是建立在大量的理論以及實踐成果上的。在著名的計算機競賽ImageNet Challenge上，一些參賽者們都運用了「深度學習」，結果證明它對於算法的提升的確是顯著的：它們的錯誤率更低，最終排名也在前20%-30%。
許多關於「深度學習」的論文、資料以及軟件工具都是開源的，這使得個人和小型機構也有了通過「深度學習」來構建優秀應用的機會。在此基礎上，WhatsApp曾只靠50個工程師就建立了一個能夠服務於全球9億用戶的全球信息系統——而這要是放在過去，至少需要幾千個工程師才能完成。
這樣的模式在AI領域也開始出現：Theano以及TensorFlow等軟件將雲數據中心與圖形處理進行結合，讓更多小團隊能夠更低成本地建立AI系統。下面便是個人開發者利用TesnorFlow做的一個能夠自動給黑白照片加上顏色的應用：
另一方面，大科技公司也早已對於「深度學習」進行研究，首個運用相關技術開發的應用應該是Google Photos中的搜索功能：如果你想搜索關於倫敦的照片，那你只需要在相冊上的搜索欄中打「倫敦」即可，你相冊中與倫敦相關的照片便會瞬間被篩選出來。
完全有理由相信，我們很快就能看到其他產品在人工智能方面的顯著提升，無論是語音助手、搜索引擎、聊天機器人、3D掃描、語言翻譯、汽車、無人機還是醫療成像系統等。
創業公司會傾向於做更爲功能更爲「垂直」的AI產品，因爲只有這樣它們才能劍走偏鋒，有效抵抗大科技公司。應用數據的增加使AI系統不斷完善，從而促生了「數據網絡效應」：更多用戶——更多數據——更好的產品——更多用戶。做地圖應用的創業公司Waze就通過「數據網絡效應」來改進自己的產品，從而從競爭對手中脫穎而出。
