随着人工智能领域不断演进，对运算能力的需求呈现出几何级数上升。在此背景下，图像处理单元(GPU)依然将承担起算力核心的重要任务。业内已有多家厂商展望至长远未来，试图探寻未来的技术与功耗演进路径。
有业内观点认为，GPU在后续演进过程中，单个芯片的面积有可能朝向精简发展的方向。具体而言，在数个关键代际的更替后，核心面积可能从现今的700毫米平方区间进一步减小。与芯片尺寸相反的是，单一核心的能量消耗预计将继续攀升，某些场景下已可预见到千瓦级别的设计。
然而，AI模型复杂度推动下的多核心集群化，对整体系统功耗带来的挑战远超单芯性能增长。
为了匹配更强的AI推理和训练任务规模，GPU设计方案正向着更高集成度的路线加速演变。未来数年可能会出现远超当前封装密度水平的多芯一体化方案，相应的中介层面积也随之增大。
HBM内存规格亦在与GPU的演进并驾齐驱。堆栈数目及总体容量随代次推进而跃升，以满足对更宽带宽的渴求。预估显示，未来部分产品可能会具备TB级别的综合显存，带宽也或将迎来PB每秒时代。
整体能效最严峻的冲击来源于单卡总功耗的无节制扩张。在多芯片并行运作、内存条数量倍增及I/O复杂度飙升的共同影响下，高端系统在未来数年内的最大峰值功耗已经远高于现今水准，迈向万千瓦级别的能源输入已是部分前沿探索指向的趋势。这一演变，或许会进一步对下游应用，乃至终端电源制造标准产生深远影响。
