شرکت کوالکام بزودی تراشه سری ۷۰۰ را که در زمینه هوش مصنوعی و پردازش اطلاعات بیست درصد قوی تر از سری ۶۰۰ است وارد بازار می‌کند.
تراشه سری ۷۰۰ می‌تواند سبب شود قدرت گوشی‌های میان‌رده به طور چشمگیری افزایش یابد. کارشناسان حوزه فناوری معتقدند گوشی‌های جدید که مجهز به این پردازنده هستند در زمینه دستورات صوتی و رابط کاربری بهتر از گذشته عمل خواهند کرد. این پردازنده از پردازش ۱۰ بیتی رنگ‌ها پشتیبانی می‌کند و توانایی پخش ویدئوهای با کیفیت فوری کی اچی دی آر را دارد.
اسنپدراگون ۷۱۰ براساس معماری ۱۰ نانومتری ساخته می‌شود. با استفاده از این معماری، عملکرد پردازشگر ۲۰ درصد نسبت به اسنپدراگون ۶۶۰ افزایش داشته است. مصرف انرژی در اسنپدراگون ۷۱۰، در زمان پخش ویدئو و اجرای بازی‌ها، کاهش زیادی داشته است.
این پردازنده می‌تواند سبب شود در اقتصادهای بزرگ و نوپایی مانند چین و هند گوشی‌هایی با کارایی بالا و با قیمت مناسب برای کشورهای در حال توسعه ساخته شود. شرکت‌های چینی ماند شیائومی امیدوارند با این پردازنده بتوانند گوشی‌های قوی و ارزان قیمتی را برای بازارهای آسیا و آفریقا توسعه دهند.
کوالکام همچنین پردازنده جدیدی برای هدست‌های واقعیت مجازی طراحی کرده است. این پردازنده اسنپدارگون ایکس آر یک نام دارد. این پردازنده، هسته‌های CPU، واحد پردازش گرافیکی، ماژول امنیتی و ماژولی منحصر به هوش مصنوعی را در خود جای داده است.
این تراشه توسعه‌یافته پردازنده‌های موبایل شرکت کوالکام است که در آن اولویت‌های مربوط به گوشی‌های هوشمند کنار گذاشته شده و در عوض برای تجربه واقعیت مجازی و واقعیت افزوده اصلاح شده است. مهندسان کوالکام معماری این پردازنده را برای کاهش مصرف باتری طراحی کرده‌اند.
البته در کنار کوالکام، اینتل هم در حال توسعه پردازنده‌های جدیدی برای هوش مصنوعی است. اینتل پردازنده شبکه عصبی Nervana L-1000 را معرفی کرده است که می‌تواند سرعت یادگیری هوش مصنوعی را به‌طور قابل توجهی بالا ببرد.
اینتل اعلام کرده است این پردازنده‌های جدید به میزان ۳ الی ۴ برابر سریع‌تر از نسل قبلی پردازنده‌های شبکه عصبی اینتل طراحی شده است. این پردازنده می‌تواند قابلیت یادگیری ماشین را افزایش دهد. پردازنده جدید اینتل همچنین می‌تواند در خودروهای خودران مورد استفاده قرار گیرد.
در این پردازنده‌ها، اینتل در اصل با الهام از سیستم عصبی مغز و الگو برداری از برخی فعالیت‌های مغزی، اتصالات مدار‌ها را می‌سازد. این روش می‌تواند یادگیری را در ماشین متحول کند. این تراشه Loihi نام دارد.
در انسان، در زمان تحلیل‌های احساسی، نورون‌های مغز اطلاعات را در قالب نوسان‌های شدید انتقال می‌دهند. در این تراشه هم سعی شده چنین الگویی شبیه‌سازی شود. در صورت توسعه چنین تراشه‌ای رایانه‌ها می‌توانند بدون اتصال به اینترنت و فضای ابری به صورت منفرد عمل کنند و خطر اتصال به نت و احتمال هک شدن کاهش می‌یابد. اگر این روش ممکن شود، می‌توان با یک هزارم انرژی کنونی چندین برابر امروز پردازش انجام داد.
البته برای سریع‌تر شدن پردازنده‌ها یک چالش جدی وجود دارد؛ بر اساس قانون مور، تعداد ترانزیستورها در مدار مجتمع، هرساله دو برابر خواهد شد. درصورتی‌که راه حل تازه‌ای برای پیشرفت ترانزیستورها ارائه نشود، در آینده نزدیک توان پردازش رایانه‌ها ثابت می‌ماند و افزایش چشمگیری نخواهد یافت. ترانزیستورها هم‌اکنون بی‌اندازه کوچک شده‌اند و ادامه کوچک‌سازی آنها بسیار دشوارتر از گذشته خواهد بود.
