A última previsão da Deloitte Global indica que as empresas de grande e médio porte proporcionam maior prêmio no uso da aprendizagem de máquinas na indústria até 2018. Em relação a 2017, o número de projetos implantados e implementados utilizando a aprendizagem automática dobrará e voltará a girar em 2020. Tempos
Atualmente, mais e mais tipos estão começando a enriquecer o novo termo "chip AI", incluindo GPUs, CPUs, FPGAs, ASICs, TPUs, chips de fluxo óptico, etc. De acordo com a previsão da Deloitte, em 2018, GPUs e CPUs ainda serão o domínio da aprendizagem de máquinas Do mercado de chips GPU demanda do mercado é cerca de 500.000 ou mais, a demanda de FPGA nas tarefas de aprendizagem de máquina mais de 200.000, enquanto a demanda por chips ASIC em cerca de 100.000 ou mais.
Noticiosamente, a Deloitte disse que espera que FPGAs e chips ASIC acelerem a aprendizagem de máquinas em mais de 25% dos centros de dados até o final de 2018. É claro que os FPGAs e ASICs emergem no aprendizado automático.
Na verdade, alguns dos primeiros adotadores de FPGAs e aceleradores de chips ASIC os usaram principalmente para tarefas de inferência de aprendizado de máquinas, mas logo depois, os chips FPGA e ASIC também poderão trabalhar no treinamento de módulos Jogue
Em 2016, as vendas globais de chips FPGA ultrapassaram os 4 bilhões de dólares dos EUA. E no relatório do início de 2017 "Podem os FPGAs baterem GPUs na aceleração das Redes Neurais Profundas de Próxima Geração"? Os pesquisadores disseram que, em alguns casos, o FPGA Velocidade e poder de computação podem ser ainda mais fortes do que a GPU.
Atualmente, como a Amazon (AWS) e a Microsoft (Azure Azure Cloud Services), introduziram a tecnologia FPGA, a Alibaba doméstica também anunciou cooperação com a Intel (Intel), usando a plataforma Xeon-FPGA para acelerar aplicativos em nuvem; a Intel recentemente Enfatize constantemente que o centro de dados pode ajustar a plataforma da nuvem através do FPGA para melhorar a eficiência da aprendizagem de máquinas, criptografia de dados de áudio e vídeo e outros trabalhos.
Além disso, embora o ASIC seja uma implementação de um único chip da tarefa, mas o número atual de fabricantes de chips ASIC em 2017, a receita total da indústria inteira de cerca de 15 bilhões de dólares dos EUA. É relatado que o Google e outros fabricantes começaram a usar o ASIC na máquina de aprendizagem, Os chips baseados no software de aprendizagem de máquinas TensorFlow também foram lançados.
A Deloitte acredita que a combinação da CPU e da GPU contribuiu grandemente para o crescimento da aprendizagem por máquinas e se o futuro de várias soluções FPGA e ASIC também pode exercer influência suficiente na velocidade de processamento, eficiência e redução de custos, a máquina Aprender a aplicação mais uma vez será um progresso explosivo.