Googles seger över Lee Sedol med AlphaGo markerade en milstolpe för AI och djupinlärning, drivet av specialiserad hårdvara som Googles Tensor Processing Unit (TPU). Utvecklingen inom djupinlärningshårdvara går mot applikationsspecifika kretsar (ASIC) och fältprogrammerbara grindmatriser (FPGA), som kompletterar eller ersätter grafikprocessorer (GPU) för ökad effektivitet. Hårdvara för djupinlärning delas in i tre områden: träning i datacenter, inferens i datacenter och inferens i inbäddade enheter, med olika krav på precision och strömförbrukning. Företag som Intel (genom förvärv av Nervana Systems och Movidius), Nvidia och Qualcomm investerar stort i att utveckla specialiserade chip för djupinlärning, från molntjänster till drönare och smartphones. Trots snabba framsteg finns en risk att specialiserad hårdvara snabbt blir föråldrad på grund av den snabba utvecklingen av algoritmer för djupinlärning.