1.价值转移
“软件正在吞噬世界!”、”软件定义XX!” 这些话术在 IT 圈里就像锤子一样好用。
这种风气使得那些搞单片机、搞硬件的逐渐抬不起头来。尤其是在 “IBM 把 PC 业务卖给联想后，联想只是捡了个壳子” 的案例之后，”硬件已经毫无价值，IT 的价值链正在从硬件转移到软件” 的思想也逐渐成为通识。
通过在软件层面的高可用设计，使得 IT 企业对硬件的要求没那么高了。使用大量的廉价硬件来替换巨贵的大型机在互联网企业成为潮流，也就是所谓的“去 IOE ”时代。
然而硬件真的如此一文不值？
也许情况正在发生转变：苹果的硬件、汽车产业的缺芯.. 说明硬件在价值链上并非是无足轻重。
IT 行业的软件和硬件就像轻功里的左脚踩右脚一般，螺旋上升。
“库克给的，张小龙全拿走。” 半导体存在的摩尔定律，而软件存在反摩尔定律。
2.低果先摘
软件和硬件的发展，可以用 “低果先摘” 经济原理来解释。
当硬件过于昂贵，则通过软件来优化。
当软件到瓶颈时，则催生出新的硬件。
软件的使用边际成本并不为零，至少还有能耗。
在初期，软件就像创业公司一样只要保持不断增长，就可以掩盖很多问题。
然而，当软件达到一个量的瓶颈时，其成本就会显得过于高昂。
这时候将软件硬件化，则会显得更加经济。
Google TPU 的诞生也是基于此。对于一个人工智能算法模型，比如人脸识别模型，随着调用量的增加，运行时的能耗会远大于训练的能耗。
在一开始，使用大功耗的 NVIDIA GPU 训练出算法模型。如果算法模型在提供服务时，仍然使用高功耗的 NVIDIA GPU 则会存在极大的浪费与瓶颈。如果将训练好的模型硬件化做成芯片，那么性能、能耗都会有极大的优化。
阿里云的 CIPU 也是将资源的调度软件内化成硬件，达到降本增效的目的。
3.二象性
软件硬件化，是术业有专攻，可以降低能耗、提升速率。如小孩子学认动物，一开始要识别几个特征，后面形成肌肉记忆，内化成模型，简化人脑能耗，提升识别速率。
硬件软件化，则是过剩算力的释放，建立软件生态。
NVIDIA 一开始是做图形加速器的，主攻游戏、视频。后来得益于 GPU 算力的提升，过剩的算力则用来做科学计算、人工智能。
硬件也在变得可编程化， 比如 NVIDIA 推出了 CUDA 编程框架，FPGA 芯片可以进行自定义。
软件和硬件的转化颇像面多了加水，水多了加面的游戏。
软件和硬件的界限正在变得模糊，变得具有二象性，硬件本身也在通用与专用之间螺旋往复。