市场研究与咨询机构Strategy Analytics发布的研究报告《重要的28nm CMOS节点上中国自给自足：计划能够成功》指出，中国“国家集成电路产业投资基金二期”的成立，可能会推动中国在两年内在至关重要的28nm特征尺寸的集成电路生产方面几乎实现自给自足。
在近日，加州大学旧金山分校（UCSF）和Facebook在Nature Commuications上发表了一项研究：他们在非侵入式的脑机接口设备上取得了最新进展，构建出了一个大脑-计算机系统，能准确解码佩戴设备的人听到和说出词语和对话，实时从大脑信号中解码。
报告中指出，美国的禁令将会推动中国在发展自己本土产品方面的努力。随着中国面临从美国及其盟国进口芯片，半导体生产设备和电子设计软件的日益严格的限制，向自给自足的转变应有助于使华为、海思、中芯国际以及众多其它的中国消费电子公司的客户安心。
Facebook的设想是，设计一种可以将大脑信号转换成语言的装置，不需要劳动任何一块肌肉，深度学习就能直接读懂大脑，解码脑中所想，实现流畅交流。
但是，后果可能包括美国半导体行业和美国盟友的市场份额下降和生产成本提高。
尽管自动驾驶汽车有很多好处，但仅凭深度学习就无法使自动驾驶汽车成为高级智能的交通工具，因为阻碍自动驾驶汽车走向主流发展的障碍很多。借助深度学习，检测对象的准确性确实会提高，但要付出大量数据的代价。基于数据表示的深度学习功能。数据在神经网络的不同层上表示，然后根据数据模式导出输出。由于深度学习的完整功能是基于数据的，因此与其他AI算法相比，训练神经网络需要更多数据，因此很难创建用于训练它们的数据集。而且，收集训练神经网络所需的数据也非常耗时。
此前此前清华大学也做过类似概念的研究，头戴一个小巧的脑电帽，脑电帽读取视觉中枢脑电波的细微变化，而计算机里的算法接收到这些信息，就能计算出它对应的闪烁频率，实现“脑控输入法”，控制屏幕软键盘上的26个字母就能打出任何语句。不过脑电帽采集到的信号，复杂度低，区分微弱，电压也只有10-100微伏（μv，相当于10-6V）。
使用深度学习神经网络的另一个挑战是它们的黑匣子问题。如果程序做出了决定，则程序员可以撤消该决定，以找出程序做出该决定的原因。但是，深度学习不是可追溯的系统，而是在隐藏层中处理数据。开发人员只能找到输入到神经网络的数据及其输出。但是，他们无法找出隐藏层中进行了哪些处理来做出决定。因此，很难知道深度学习网络失败的原因，因为没有人可以追溯到发生失败的地方。
这项成果来自Facebook Reality Labs，一直与加州大学旧金山分校合作开展这项脑机接口的研究。
有时，深度学习网络甚至无法实现其本来打算完成的任务。神经网络很难像在不同的视频帧中一样在小图像变换中进行概括。例如，根据一项研究，深卷积网络将狒狒或猫鼬标记为相同的北极熊，具体取决于背景的微小变化。
也就是说，这项研究表明，在脑机接口面前，人类的所思所想已无处遁形，Facebook已经让“意念打字”成为了现实。 研究人员表示，目前对生成和感知的两部分语言进行解码，准确率超出了他们的想象，分别能达到61%和76%的准确率。这项项目对于正常人和残疾人来说，都具有实用意义。这是向神经植入物迈出的重要一步，因为中风，脊髓损伤或其他疾病而失去说话能力的患者，有望因此获得自然交流的能力 。
Strategy Analytics副总裁Stephen Entwistle直言：“预计到2020年，中国将成为半导体生产设备的最大买主，直到美国对半导体设备限令开始实施。二期投资的一部分用于开发自己的光刻，蚀刻，薄膜沉积和晶片清洁设备。
高通CEO透露，当季的收入部分包含了iPhone 12带来的红利，预计下一季度的正面影响更为明显。
无人驾驶汽车是一项实验，至今尚无人知道结果如何。自动驾驶汽车深度学习能否将其驱动到主流交通工具取决于技术如何进一步发展。即使克服了深度学习的挑战，自动驾驶汽车的方式也存在其他障碍。这些汽车与IoT设备等多种技术集成在一起，以收集数据，云计算以处理数据，以及5G以提高数据传输速度。一旦这些技术能够有效地协同工作，以建立良好的交通生态系统，自动驾驶汽车就能成为主流。
