Quest Mobile 把目前的 AI 应用归为五大类：(1) 互联网公司的原生 App；(2) 手机厂商内置的原生 App；(3) AI 应用插件（在某个现有传统应用内置）；(4) PC 网页端；(5) PC 客户端。

AI 应用插件的月活跃 MAU 规模一直遥遥领先，体现了用户更需要在现有应用场景中，使用到某些互补性 AI 功能。

手机厂商原生 App 也拥有很高的月活跃，是互联网公司的原生 App 要高接近一倍。体现了终端入口侧捆绑的价值。

围绕 CPU 和 GPU 的目标任务差别，有研究认为，有非常多的 AI 计算需求，并不需要 “实时性”。从后台批处理（Batch Processing）、中度延迟（Mid Latency）、低延迟（Low Latency）接近实时（Near Real time）、实时（Real time），计算任务可以分为很多种。

通过 GPU 和 CPU 的组合，可以提升 GPU 任务执行的经济性。

DIGITIMES Research 对比了不同等级自动驾驶汽车的平均每辆车半导体元器件的成本。

Level 2 和 Level 3 每辆成本在 200 和 400 美元。而一到了高等级的 Level 5，成本迅速拉升到 1,400 美元以上。

越是高等级智能，就越需要大量芯片。