Deloitte Global dernier rapport de prévisions note qu'en 2018, les entreprises moyennes seront davantage l'accent sur les applications d'apprentissage de la machine dans l'industrie. Par rapport à 2017, avec le déploiement de l'apprentissage de la machine et la mise en œuvre du projet sera doublé, et encore doublé d'ici 2020 fois.
À l'heure actuelle, il y a des riches ce nouveau terme « puce AI » a commencé de plus en plus types, y compris les GPU, CPU, FPGA, ASIC, TPU, puces de flux optique. Selon Deloitte prévoit qu'en 2018, GPU et CPU est toujours le domaine de l'apprentissage machine marché puce GPU grand public à la demande probablement autour de 500 000, la demande pour les tâches d'apprentissage machine de plus de 200.000 FPGA, et la demande de puce ASIC est d'environ 100 000.
Il est à noter que, Deloitte a dit qu'il attend la fin de 2018, plus de 25% du centre de données pour accélérer les copeaux de la machine d'apprentissage pour la puce FPGA et ASIC. Visible, FPGA, montée ASIC est prévu de réaliser dans le domaine de l'apprentissage machine.
En fait, certains des premiers adeptes des FPGA et des accélérateurs de puces ASIC les utilisaient principalement pour des tâches d'inférence d'apprentissage automatique, mais peu de temps après, les puces FPGA et ASIC pourront également travailler sur des modules de formation. Jouer
En 2016, les ventes mondiales de puces FPGA ont dépassé les 4 milliards de dollars américains. Et au début de 2017, les FPGA pourraient-ils battre les GPU en accélérant les réseaux neuronaux de nouvelle génération? Les chercheurs ont déclaré que, dans certains cas, les FPGA La vitesse et la puissance de calcul peuvent être encore plus fortes que le GPU.
À l'heure actuelle, comme Amazon (Amazon) de l'AWS et Microsoft (Microsoft) dans le service cloud Azure, ont été mis en place la technologie FPGA, Alibaba domestique a également annoncé Intel (Intel), pour prendre accélérer l'avantage Xeon FPGA plate-forme applicative de cloud, Intel a récemment à plusieurs reprises souligné que le centre de données peut être ajustée à travers la plate-forme cloud FPGA, d'améliorer l'efficacité de l'apprentissage de la machine, le cryptage des données et d'autres travaux audio-visuels.
En outre, bien que l'ASIC est d'effectuer une seule puce de tâche, mais les fabricants de puces ASIC beaucoup. Il est en 2017, les recettes totales de l'ensemble de l'industrie environ 15 milliards $. Rapporté que, Google et d'autres fournisseurs seront ASIC utilisés dans l'apprentissage de la machine, à un logiciel d'apprentissage de la machine tensorflow puce basée est sorti.
Deloitte estime que la combinaison du CPU et du GPU a grandement contribué à la croissance de l'apprentissage automatique, et si l'avenir de diverses solutions FPGA et ASIC peut également exercer une influence suffisante sur la vitesse de traitement, l'efficacité et la réduction des coûts Apprenez l'application sera une fois de plus des progrès explosifs.