随着计算硬件的不断进步，如GPU、TPU等的快速发展，提供了足够的计算能力支撑深度学习算法的训练和推理。例如，谷歌的TPU芯片专门用于加速深度学习推理，NVIDIA的GPU也在深度学习训练中发挥了关键作用。随着人们对智能化产品和服务的需求不断增加，如智能机器人、智能驾驶、智能医疗等，驱动了深度学习人工智能在各个领域的应用和发展。这些因素相互作用，推动了深度学习人工智能的快速发展和广泛应用。
深度学习人工智能新时代的关键驱动力包括以下几个方面：
1. 数据：深度学习建立在大量数据的基础上，数据是驱动深度学习算法训练和优化的关键因素。随着互联网的普及和物联网的发展，数据的规模和多样性不断增加，为深度学习技术提供了更多的训练和应用场景。
2. 计算能力：深度学习算法的训练和推理需要大量的计算资源，尤其是图形处理器（GPU）在深度学习计算中发挥了重要作用。随着计算硬件的不断进步，如GPU、TPU（张量处理器）等的快速发展，提供了足够的计算能力支撑深度学习算法的训练和推理。
3. 算法的创新：深度学习算法的不断创新也推动了人工智能新时代的发展。例如，卷积神经网络（CNN）在图像识别领域的成功，循环神经网络（RNN）在自然语言处理领域的应用等。同时，基于深度学习的算法也不断涌现，如强化学习、生成对抗网络等，进一步拓宽了人工智能的应用领域。
4. 算法和硬件的结合：算法和硬件的结合也是推动深度学习人工智能新时代的关键驱动力之一。例如，谷歌的TPU芯片专门用于加速深度学习推理，NVIDIA的GPU也在深度学习训练中发挥了关键作用。算法的不断优化和硬件的不断进步相互促进，使得深度学习人工智能得以更高效地应用于各个领域。
5. 应用需求：深度学习人工智能的应用需求也是驱动新时代发展的重要因素。随着人们对智能化产品和服务的需求不断增加，如智能机器人、智能驾驶、智能医疗等，驱动了深度学习人工智能在各个领域的应用和发展。
综上所述，深度学习人工智能新时代的关键驱动力包括数据、计算能力、算法的创新、算法和硬件的结合以及应用需求。这些因素相互作用，推动了深度学习人工智能的快速发展和广泛应用。