通用计算机的落幕，专用处理器会趁机兴起吗？

归根结底，正是因为摩尔定律逐渐走向消亡，使得惯常的创新、市场扩张进而引发再投资的良性循环正在被打破。随着越来越多的准用芯片开始蚕食计算业的份额，这个循环就会开始瓦解。随着更少的用户采用最新的制造节点，为晶圆厂融资变得更加困难，令进一步的技术发展放缓。这样就会导致和计算机业朝着专用领域转移。
其中一些领域，比如深度学习，凭借着自身规模以及对专用硬件的适用性，会走上快车道。然而，像数据库处理这样的领域，尽管使用也很广泛，但可能会变成一潭死水，因为这类事务型计算并不适合专用芯片。而还有些领域，比如气候建模，应用规模又太小了，尽管可以从中受益，经济上并不足以支撑定制化硬件。

作者预计，通过为较小规模社区提供不同的基础设施，提供云计算可以在一定程度上抵消这些应用差异的影响。像GPU、FPGA以及Google的TPU这样更加专用的云资源的增多，预示着有钱和没钱的之间可以在一个更为公平的竞技场竞争。

这些都不能意味着GPU甚至GPU会完蛋。尽管作者没有提到这一方面的内容，很有可能专用、半专用以及通用计算引擎会集成进同一个芯片或者处理器包里面。一些芯片制造商已经在朝则会这一方向努力了。

比方说，英伟达就吸收了Tensor Cores（英伟达自己深度学习的专用电路）进入到其Volta代的GPU里面。这么做使得英伟达可以提供一个既能服务传统超级计算仿真又能服务深度学习应用的平台。类似地，CPU也正在集成专用逻辑模块里面，为加密/解密、图形加速、信号处理以及深度学习等服务。预计这一趋势还会继续。