2018年，汽车、无人机和机器人的自主系统将持续发展，但会因为一些有待解决的监管法规和技术问题而受到局限。不过，接下来的几个月，一些采用自主系统的项目计划还会继续让我们看到进展，例如在限定地区试行部署无人驾驶出租车就是其中之一。尤其是卡车和火车等长途运输，将成为近期内在无人驾驶方面取得实质性进展的应用之一。
在不断追求生产力效益的驱动下，为机器添加智能的驱动力也将加速工厂自动化/工业4.0进程。例如，机器学习的进步将显著提高系统的能力，从而根据自己的独立状态监控提供有价值的性能建议和预测。
无处不在的无线传感器网络和数据
先进的材料、增强的功能和MEMS相结合，使传感器尺寸和成本得以突破，让无线传感器网络无处不在成为可能。通过无线mesh网络在物联网和工业应用中的部署，无需大量重新布线即可在现有系统中添加传感器功能。但是，从传感器到云的端到端安全性将成为工业用户大规模部署工业物联网的基本要求。
让产品与系统更加智能化的驱动力，也将加大对日益增长的数据流进行管理和分析的需求。随着数据负荷不断增加，数据中心将需要更高的处理性能，以及先进的电源管理创新，以缓解数据中心系统产生高温带来的风险。我们也将逐渐看到边缘节点集成更多智能性，从而开始对数据流进行归类及处理。
就像十年前人们努力实现数字化优势一样，每个细分市场的客户都正在狂热地尝试了解人工智能和机器学习对其业务的价值。随着性能/经济可承受能力等障碍的不断消除，加上一些AI具体应用在工业环境中逐步产生了效益和应用层面的影响，对AI应用的关注将在2018年加速增长。例如，AI已经发展到工业机器人不经特殊训练就能学习和适应新的环境或不熟悉的对象的阶段。
通过低功耗信号处理方面的创新，边缘节点处的AI将开始从新奇事物转变为常规技术，而通过上下文语境数据与信息，推动边缘和云之间更智能的系统分区，则使智能边缘计算成为现实。
与此同时，与人类智能竞争的AI应用将继续由大学研究为主导。随着深亚微米技术的开发成本飞涨和摩尔定律面临越来越严峻的技术和成本挑战，单个封装内、单层层压板甚至单个硅衬底上多种技术的异构集成将会增加。促使异构制造资本化的新型商业模式将会涌现，从而使无力投资最先进IC光刻技术的小规模半导体厂商实现重组创新。对于涉足范围更广且规模更大的供应商来说，将信号处理算法集成到芯片上将有助于提升其方案价值。