딜로이트 글로벌 최신 예측 보고서. 비교 2017, 기계 학습 및 프로젝트의 구현의 배포 배가 될 것이며, 2020 년 다시 두 배로 2018, 중간 규모의 기업이 업계에서 기계 학습 응용 프로그램을 더욱 강조 될 것이라고 지적 시간
현재 풍부한 'AI 칩'이 새로운 용어는 GPU, CPU, FPGA를 포함하여 더 많은 유형을 시작했다가, ASIC는, TPU는 광학 플로우 칩. 딜로이트에 따르면 2018 년, GPU와 CPU는 여전히 기계 학습 분야 것으로 예측 20 만 FPGA의 기계 학습 작업을위한 수요 아마 약 50 만 주류 칩 시장 수요 GPU, 및 ASIC 칩 수요는 약 10 만명이다.
그것은 딜로이트이 2018 년 말까지 예상 상기 주목할 만하다, FPGA 및 ASIC 칩 학습 시스템 칩을 가속 데이터 센터의 25 % 이상이. 가시, FPGA는 ASIC의 상승은 기계 학습 분야에서 달성 할 것으로 예상된다.
실제로 FPGA 및 ASIC 칩 가속기의 초기 채택 자 중 일부는 주로 기계 학습 추론 업무에 사용했지만 곧 FPGA 및 ASIC 칩은 모듈 교육에도 사용할 수있게됩니다 놀이
2016 년에 전세계 FPGA 칩 판매량이 40 억 달러를 돌파했습니다. 그리고 2017 년 초에 "차세대 딥 뉴럴 네트워크 가속화에서 FPGA가 GPU를 능가 할 수 있습니까?"라고 연구진은 FPGA 속도와 컴퓨팅 성능은 GPU보다 훨씬 강력 할 수 있습니다.
현재 Alibaba는 Amazon (AWS) 및 Microsoft (Azure Azure Cloud Services)와 같은 FPGA 기술을 도입했으며, 국내 Alibaba는 Intel (Intel)과 협력하여 Xeon-FPGA 플랫폼을 사용하여 클라우드 애플리케이션을 가속화했으며 Intel 데이터 센터가 기계 학습, 오디오 및 비디오 데이터 암호화 및 기타 작업의 효율성을 높이기 위해 FPGA를 통해 클라우드 플랫폼을 조정할 수 있다는 점을 지속적으로 강조합니다.
또한, ASIC은 작업의 단일 칩 구현이지만 2017 년 ASIC 칩 제조 업체의 현재 숫자는 약 150 억 달러의 전체 산업 총수입입니다. 그것은 구글과 다른 제조 업체가 기계 학습에 ASIC를 사용하기 시작했다는보고이며, TensorFlow 기계 학습 소프트웨어를 기반으로 한 칩도 출시되었습니다.
Deloitte는 CPU와 GPU의 결합이 기계 학습의 성장에 크게 기여했으며 다양한 FPGA 및 ASIC 솔루션의 미래가 처리 속도, 효율성 및 비용 절감에 충분한 영향을 미칠 수 있다고 믿는다면 기계 응용 프로그램이 다시 한 번 폭발적인 발전을 알게됩니다.