Рост машинного обучения ошеломляет, и ожидается, что FPGA и чипы ASIC станут новой опорой

В начале 2016 года машинное обучение по-прежнему считалось научным экспериментом, но теперь оно широко используется в области интеллектуального анализа данных, компьютерного зрения, обработки естественного языка, биометрии, поисковой системы, медицинской диагностики, тестирования кредитных карт Мошенничество, анализ рынка ценных бумаг, признание голоса и почерка, стратегические игры и роботы и т. Д. Всего за один год машинное обучение выросло быстрее, чем ожидалось.

Последний прогноз Deloitte Global указывает на то, что крупные и средние компании поставят большую премию на использование машинного обучения в отрасли к 2018 году. По сравнению с 2017 годом количество проектов, развернутых и внедренных с использованием машинного обучения, удвоится и снова развернется в 2020 году раз.

В настоящее время все больше и больше типов начинают обогащать новый термин «чип AI», включая графические процессоры, процессоры, FPGA, ASIC, TPU, оптические чипы потока и т. Д. Согласно прогнозу Deloitte, в 2018 году графические процессоры и процессоры по-прежнему будут областью машинного обучения Из основного рынка чипов GPU спрос на рынке составляет около 500 000 или около того, спрос на FPGA в задачах машинного обучения составляет более 200 000, а спрос на чипы ASIC составляет 100 000 или около того.

Примечательно, что Deloitte заявила, что ожидает, что FPGA и чипы ASIC ускорят машинное обучение в более чем 25% центров обработки данных к концу 2018 года. Очевидно, что ожидается, что FPGA и ASIC появятся в компьютерном обучении.

На самом деле, некоторые из первых пользователей FPGA и чип-ускорителей ASIC в основном использовали их для задач вывода машинного обучения, но вскоре после этого, FPGA и ASIC-чипы также смогут работать над модульной подготовкой играть.

В 2016 году глобальные продажи чипов FPGA превысили 4 миллиарда долларов США. И в начале 2017 года отчет «Могут ли FPGAs бить GPU в ускорении глубоких нейронных сетей следующего поколения?», Исследователи сказали, что в некоторых случаях FPGA Скорость и вычислительная мощность могут быть даже сильнее, чем у графического процессора.

В настоящее время, такие как Amazon (AWS) и Microsoft (Azure Azure Cloud Services), внедряют технологию FPGA, отечественная Alibaba также объявила о сотрудничестве с Intel (Intel), используя платформу Xeon-FPGA для ускорения облачных приложений, недавно Intel Постоянно подчеркивайте, что центр обработки данных может настраивать облачную платформу через FPGA для повышения эффективности машинного обучения, шифрования аудио и видео данных и других работ.

Кроме того, хотя ASIC является одночиповой реализацией этой задачи, но нынешнее количество производителей чипов ASIC в 2017 году, общий доход отрасли составляет около 15 миллиардов долларов США. Сообщается, что Google и другие производители начали использовать ASIC для машинного обучения, Также были выпущены чипы на основе программного обеспечения TensorFlow для машинного обучения.

Deloitte полагает, что сочетание CPU и GPU значительно способствовало росту машинного обучения, и если будущее различных решений FPGA и ASIC также может оказать достаточное влияние на скорость обработки, эффективность и снижение затрат, машина Изучение приложения снова будет иметь взрывной прогресс.