半導體行業和更為廣泛的高科技領域的變化步伐正不斷加快。我們已經從移動時代跨越到了物聯網時代。在移動時代中，消費者可輕易獲得計算和無線連接功能。而在物聯網時代，這兩項功能正在迅速被嵌入一系列智能產品--- 從恒溫器、家用電器、聯網汽車，到工業4.0的智能工廠。

身處物聯網的發祥地—硅谷，每天都極可能與谷歌無人駕駛原型車一同等紅燈，親眼見證極具震撼力的日新月異的智能科技。以下這張圖展現了物聯網如何為科技公司帶來巨大的機遇。

試想，是什么力量推動了物聯網的發展？根據摩爾定律，芯片上的晶體管數量每兩年增加一倍，計算能力也以相同的步伐提升。我并非在這里討論該定律是否成立。我個人持肯定意見。但是，我們已經發展到一個轉折點，計算能力提升獲得的回報不足以彌補最新生產設備所需的巨額投資。

摩爾定律如今已被麥特卡爾夫定律所取代。根據后者，電信網絡的價值與網絡連接用戶數量的平方成正比。這一新的定律完美地解釋了物聯網指數級成長的原因。從另一角度來看，將計算能力擴散分布到網絡的周邊是符合邏輯的，可以滿足持續改善性能和功能的需求。

物聯網的增長離不開“人”這個因素：消費者希望科技可以使生活變得更加簡單、安全，并且為他們節省時間和金錢。我們大多數人都已感受過互聯家庭帶來的便利，例如智能電表、智能家電、智能煙霧探測器，或是汽車上避免碰撞和盲點探測的先進輔助駕駛系統（ADAS）等等。

同樣，實時無線數據采集在商業應用中同樣具有顯著的成本和效率優勢。譬如，工廠生產線的正常運行時間信息，可以通過云端完成海量數據處理，無須再用人工手動收集數據。

很多高端汽車配備了自適應巡航控制系統，以確定與周圍車輛之間最安全的距離和速度。目前，這樣的技術正快速進入普及車型。

今天，我們生活在一個由互聯設備主導的世界。以智能家居為例，“智能”是由使用者通過手機應用程序或偏好預設等功能（而非家居本身）體現出來的。因此，智能設備做出的反應是被動和遲滯的。下圖中的紅色線條顯示了聯網設備的智能化等級，的確有一點智能的意思，但是微不足道。

智能革命的下一個階段已經展開：利用人工智能（AI）平臺構建產品和設計軟件。如亞馬遜云服務（AWS）和微軟的Azure云計算平臺，為物聯網提供廣泛的服務，包括機器學習、云分析，以及通過專業的云計算中心進行大規模的節點連接。

人工智能（AI）平臺的美妙之處在于，你提供的數據越多，它就會變得“越智能”，其學習速度也就越快。越來越多的節點將數據發送到云端進行處理，用于執行面部識別、預測控制和維護等功能。

我的家里安裝了一個帶有內置面部識別系統的安全攝像頭。即使屬于基于云計算的智能級別，當攝像頭探測到房子里有異常時，作為用戶，我仍然需要通過手機App的通知來做出適當反應。雖然這一步驟延緩了我決策的速度，卻使我的節點具備了更高的云端智能級別。

“智能革命”的下一步是將計算能力轉移到網絡邊緣，并且從人工決策平臺過渡到能夠自主決策的平臺，從所處的環境中學習并隨時改變其行為。下圖就是我所說的“情境智能”——一個真正不依賴于設備的環境。

物聯網和人工智能革命的加速發展，將為半導體行業帶來巨大的機遇。正如人們對更好、更快、功能更豐富的電腦和手機的需求，推動了對更強大的微處理器、微控制器和更高密度存儲器的需求，更強大的邊緣計算能力和更智能化、自主化的節點，將需要更加強大的傳感器和MCU，以及更加穩健的無線連接。

一家半導體公司需具備將低功耗、可編程性和精深的器件安全性等競爭優勢打包在系統級解決方案中提供給客戶的能力，這與我們不斷推出單個新產品的能力同樣重要。并且，強大而簡單易用的軟件也與硬件具有同等重要性。

未來需要能夠感知、連接、學習和做出響應的新一代設備。這勢必顛覆目前人們對半導體產業的認知。

并非所有的企業都可以順應這一趨勢成功轉型，但賽普拉斯已做好準備，在新的環境中參與競爭并成為贏家。