O crescimento da aprendizagem de máquinas é assombroso, e FPGAs e chips ASIC devem se tornar o novo pilar

No início de 2016, o aprendizado da máquina ainda era considerado um experimento científico, mas agora foi amplamente utilizado na mineração de dados, visão por computador, processamento de linguagem natural, biometria, mecanismo de busca, diagnóstico médico, teste de cartão de crédito Fraude, análise de mercado de títulos, reconhecimento de voz e mão, jogos estratégicos e robôs, etc. Em apenas um ano, a aprendizagem de máquinas cresceu mais rápido do que o esperado.

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.