GPU目前已是深度學習不可或缺的手段之一，但如何跨進此領域或更有效率的研發依然是很多人的疑問，若能透過AI達到此目標，將能大幅減少人力失誤並提升生產效能，麗臺科技董事長盧崑山表示，製程產線的相關數據資料相當龐大且環環相扣，因此需要尋找好的軟硬體系統架構進行大量資料運算，而GPU在硬體高速演算與平行運算的特性足以即時處理巨量的產線數據，再利用AI與深度學習演算法，即可進行設備狀態預診與生產品質監控。

AI深度學習研討會，講師均認為隨著處理器運算能力的提升，AI在製造與醫療領域的應用將快速加深。

長庚大學資訊工程學系林俊淵副教授也指出，生物影像的魅力在於揭示了生命運作的過程，長庚大學在生物影像研究多年，發現透過細胞與粒子活動的生物影像裡可以找到可能的運作機制，而運用GPU計算能力得以讓研究人員能夠在實驗的過程中進行即時的分析工作，除此之外，與國立清華大學腦科學研究中心從事多年的果蠅腦影像分析的工作，如果沒有GPU的強大運算能力，要處理百兆級的計算工作將變的遙不可及。近年來深度學習技術的蓬勃發展，加上GPU硬體計算能力與日俱增，透過深度學習的運算機制，在未來將有助於上述生物影像研究朝向AI發展，加速人類探索生命的奧秘，相信研究結果對生命科學領域能提供更多的貢獻。

此外，靜宜大學資訊傳播工程學系洪哲倫教授也於分享了使用GPU提升醫學影像分析的效能，並且透過目前熱門的深度學習技術協助醫師辨識醫學影像裡的病灶。洪教授的靜宜大學團隊在此領域已經耕耘許久，擁有多篇研究論文發表，更與台中榮總、中國醫藥大學、台北醫學院合作進行相關的合作計畫。洪教授指出台灣在這個領域非常有優勢，未來希望能有更多的學者投入相關的研究，共同提升台灣在醫學AI應用的競爭力。