摩尔定律是半导体电路中晶体管的数量每1.5年增加一倍的原理。但是，来自NVIDIA工程师的一位专家表示，人工智能正在以比摩尔定律快5到100倍的速度快速增长。
参与GeForce Experience等活动的NVIDIA工程师James Wang说，从2010年到2020年，人工智能学习模型所需的计算处理能力正在迅速提高。从1958年Perceptron的出现到2010年，处理能力每两年翻一番。但是，从2010年到2020年，处理能力的增长速度是摩尔定律的5倍以上，每年10倍。诸如Google的Alpha Go Zero和Tesla Autopilot之类的大公司希望获得长期的投资回报，并在人工智能开发方面投入巨额预算，而NVIDIA也进行深度学习并与大学联合进行研发。
还指出，人工智能深度学习的成本每年减少十分之一。例如，在2017年左右，在公共云上训练像ResNet-50这样的图像识别网络大约需要1,000美元。但在2019年，成本降至10美元。据估计，如果从2017年到2019年保持成本降低的趋势，则到2020年成本可能降至1美元。
不仅如此，整理10亿张照片的成本在2017年为10,000美元，但在2020年降至仅0.03美元。有人认为，与深度学习相关的成本变化率是摩尔定律时的10到100倍。比起摩尔定律之所以能够快速降低成本，是因为硬件和软件都得到了飞速发展，并且在2017年至2020年之间，IC芯片和系统设计技术得到了极大的改善，并且出现了专门用于深度学习的硬件。
在查看使用斯坦福大学基准测试计算得出的NVIDIA Tesla软硬件的性能评估时，与Tesla K80相比，Tesla V100的性能提高了16倍。此外，据报道，当Tesla V100结合了深度学习框架TensorFlow和PyTorch时，软件性能提高了7倍。
当然，硬件的成本并没有减少，而且多年来也很高。例如，与上一代第三代产品相比，NVIDIA用于数据中心的GPU价格增加了两倍。自AWS在2017年推出NVIDIA的Tesla V100以来，该服务的价格一直保持不变。
也有人认为，如果人工智能技术按原样改进，那么与人工智能相关的公司在全球股票市场中的市值也将大大增加。截至2019年，人工智能在全球股票市场中的市值约为1万亿美元，但预计到2037年将扩大到30万亿美元，并成为比互联网相关公司更高的市值。
可以预见的是，由于AI计算处理能力的提高，深度学习成本的下降步伐以及股票市场的市值，AI仍在发展中，并且可能会持续增长数十年。相关信息可以在这里找到。