AI以及机器学习的崛起，实际上并没有深度融入到EDA工具和CPU架构的优化中去，因为EDA工具的公司集中在美国那几个，他们没有必要推倒自己重来。CPU架构因为上述的兼容性问题，也没有公司愿意这样干。工具/架构的迭代，是可以引爆整个行业的。
如果中国这几年不抓紧机会利用人口红利的末班车（主要指35+的人才）创造一个全新的体系，可能以后就没机会了。OS+CPU这真的也只能在发展中国家完成，因为依赖跨行业人才多，特别是现在40+的骨干，且也没有美国等霸主存在的那些左右互搏/否定自己的问题。
CPU架构应该用更先进的，个人认为AI可以完成CPU架构的革新（还是冯诺/哈佛结构？）——因为从阿尔法狗训练迭代过程中两台AI电脑聊天都可以创造一个新的语言，就可以征明人类大脑的结构限制了人类的想象力，AI完全没有这个问题，因为AI精力无限、思维没有很大约束、记忆力无限、没有情绪。。。。。。而且AI迭代花费的仅仅是时间远比硬件迭代花费的时间少得多得多！
CPU应该引入更多的OS硬件管理。硬件处理调度远比ALU完成要快。比如深度整合IPL和任务调度。
异构CPU的设计，整合CPU+DSP+FPGA才能最大限度的发挥CPU的优势（CPU公司收购FPGA/DSP公司不无道理，Intel收购Altera，AMD收购ATi，他们也许都在憋一个大招，也正是Intel围绕操作系统做了很多硬件优化，导致Intel的x86同样频率下，性能是arm的10倍）
更先进的ABI/编译/移植工具。可以通过重编码executable代码转换完成跨平台移植和不同硬件兼容的问题（预编译的虚拟机）。
更先进的AILAYOUT工具，是产业迭代能够通过AI完成。
当代的系统，已经不能单纯围绕CPU+OS做单一讨论了。只有OSonchip+AI才能做到未来的最优。可能的实现步骤如下
软件方面：
构造一个基础的运算模型，提供目前最常用的100个软件给模型进行运算统计，同时建立可以迭代的AI模型。具体实现方式需要参考AlphaGO的模式进行，最后的CPU架构不限于以前人类指定的那些结构，而是由计算的结果以及人类充分理解并认可之后确定。
编译系统的训练难度较大和时间较长，需要深度结合CPU的模型进行训练和优化，需人类参与优化，具体的优化就是找不同的学霸书写同样的代码的实现方式并结合AI优化，最后结合CPU硬件实现迭代出效率最高的编译系统。比如乱序执行是在编译器完成好还是CPU完成好，这些都交由以统计学为基础的AI来决定。
通过GUI进行规范的代码设计，不单单是GUI的menuconfig，同时也生成标准的代码模板，让程序员专注逻辑设计而不是浪费时间学习系统的代码框架和规矩。让程序实现更加方便。这样比较容易产生规矩以及效率高的Framework和功能模块。
