人臉辨識應用將驅使繪圖處理器(GPU)重要性大增。手機處理器開發商正全力提升GPU運算效能，其背后驅力除了虛擬實境和擴增實境等影像模擬應用日趨火熱外，人臉辨識亦是不容忽視的另一股力量，尤其是近期蘋果(Apple)傳出收購美國新創公司Emotient，跨足人臉表情與情緒辨別技術領域，勢將讓GPU在處理器中扮演更重要的角色。

　　安謀國際(ARM)移動通訊暨數位家庭資深市場經理林修平表示，行動處理器中的GPU未來的功耗和效能會越來越好，現在4K的內容和顯示器已越來越普遍，所以對于GPU的效能或功耗都是非常大的挑戰，為支援4K影像應用，GPU性能一定要能支援4K或4K以上，而若要滿足虛擬實境或是更高階的應用，性能就須再向上攀升。

　　另外，用GPU來做運算的發展趨勢也愈來愈明顯，現在已經慢慢看到這樣的應用出現。林修平進一步指出，有些DSP的演算法可以做平行化處理，這樣的演算法用GPU來運算會比用CPU效能更好且更有效率，像是深度學習(Deep Learning)和人臉辨識，這也是ARM看到未來有潛力的應用。

　　事實上，人臉辨識的功能2015年就已有一些裝置展示，而這只是一個開端，類似的應用未來會越來越多。除了人臉辨識，語音辨識也會慢慢出現；以往手機都是按密碼解鎖，未來使用者只要對手機說話或者看著手機，就可以透過聲紋或臉部特征辨識自動解鎖。

　　林修平解釋，人臉辨識的演算法可以平行化處理，因為它是用神經網絡的方式來做運算，所以可以把演算法同時丟到好幾顆運算單元做處理，GPU就是有這樣的特性，可以同時處理很多的工作。

　　事實上，ARM目前正戮力推動的異質系統架構(HSA)，即有助未來人臉辨識等先進視覺應用的發展。林修平分析，GPU和CPU的特性不一樣，CPU處理速度快，具有即時處理的能力，而GPU處理速度相對較慢，但它可以同時處理大量的運算。上述的人臉和語音辨識，或者影像編解碼串流，就很需要大量平行化處理，此時用GPU來做會比較有效率。所以這些應用也將驅動HSA持續演進。

　　針對此一發展，ARM除可提供CPU和GPU的矽智財(IP)，以及相關的軟體或驅動程式(Driver)給客戶外，亦可協助客戶進行上層應用的整合。