El crecimiento del aprendizaje automático es asombroso, y se espera que los FPGA y los chips ASIC se conviertan en el nuevo pilar principal

Establecer microrred amplio informe, a principios de 2016, la máquina de aprendizaje todavía se considera un experimento científico, pero han comenzado a ser ampliamente utilizado en la minería de datos, la visión artificial, procesamiento del lenguaje natural, la biometría, motores de búsqueda, el diagnóstico médico, la detección de tarjeta de crédito fraude, análisis de mercado de valores, del habla y reconocimiento de escritura aplicaciones, juegos de estrategia y robots. en este corto período de tiempo del año, aprendizaje automático, creciendo más rápido que espera ampliamente.

Deloitte Global último informe de pronóstico señala que en 2018, pequeñas y medianas empresas serán más énfasis en las aplicaciones de aprendizaje automático en la industria. En comparación a 2017, con el despliegue de aprendizaje y ejecución del proyecto de la máquina será duplicado, y se duplicó de nuevo en 2020 Tiempos

Actualmente, hay ricos 'chips IA' este nuevo término comenzó más y más tipos, incluyendo GPU, CPU, FPGA, ASIC, TPU, chips de flujo óptico. De acuerdo con Deloitte predice que en 2018, la GPU y CPU sigue siendo el campo de aprendizaje automático chip de la corriente principal demanda del mercado GPU probablemente alrededor de 500.000, en la demanda de las tareas de aprendizaje automático de más de 200.000 FPGA, y la demanda de chips ASIC es aproximadamente 100.000.

Es de destacar que, Deloitte dijo que espera que a finales de 2018, más del 25% de los centros de datos para acelerar las virutas de la máquina de aprendizaje para el chip FPGA y ASIC. Visible, se espera que el aumento ASIC FPGA para lograr en el ámbito del aprendizaje de máquina.

De hecho, algunos de los principios de inicio utilizando chip FPGA, ASIC usuario se aceleró, principalmente para su uso en la inferencia de aprendizaje automático (inferencia) tarea, pero poco después, FPGA, chip ASIC también ser capaz de trabajar en el módulo de formación Jugar

En 2016, las ventas mundiales de chips FPGA tienen más de $ 4 mil millones, mientras que en 2017 el principio del informe "¿Puede FPGAs Batir las GPU para acelerar la próxima generación de redes neuronales profundas?", Según los investigadores, en algunos casos, la FPGA La velocidad y la potencia de cálculo pueden ser incluso más fuertes que la GPU.

En la actualidad, tales como Amazon (Amazon) de la AWS y Microsoft (Microsoft) en el servicio en la nube Azure, se han introducido tecnología FPGA; Alibaba doméstica también anunció Intel (Intel), para aprovechar Xeon-FPGA acelerar la plataforma de aplicaciones de nube; Intel recientemente subrayado en repetidas ocasiones que el centro de datos se puede ajustar a través de la FPGA plataforma en la nube, mejorar la eficiencia del aprendizaje automático, encriptación de datos y otros trabajos audiovisuales.

Además, aunque el ASIC es llevar a cabo un solo chip de tarea, pero los fabricantes de chips ASIC mucho. En 2017, los ingresos totales de toda la industria alrededor de $ 15 mil millones. Se ha informado de que, Google y otros vendedores ASIC uso en el aprendizaje de máquina, También se han lanzado chips basados ​​en el software de aprendizaje automático TensorFlow.

Deloitte cree que la combinación de la CPU y la GPU ha contribuido en gran medida al crecimiento del aprendizaje automático, y si el futuro de varias soluciones FPGA y ASIC también pueden ejercer suficiente influencia en la velocidad de procesamiento, la eficiencia y la reducción de costos, la máquina Aprender la aplicación una vez más será un progreso explosivo.