FPGA和ASIC芯片将加速机器学习的成长速度
（文章来源：半导体投资联盟）
在2016年初，机器学习仍被视为科学实验，但目前则已开始被广泛应用于数据探勘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、语音和手写识别、战略游戏与机器人等应用领域。在这短短一年的时间内，机器学习的成长速度超乎外界预期。
deloitte global 最新的预测报告指出，在 2018 年，大中型企业将更加看重机器学习在行业中的应用。和 2017 年相比，用机器学习部署和实现的项目将翻倍，并且 2020 年将再次翻倍。
目前，有越来越多的类型开始丰富“ai芯片”这个新名词，包括 gpu、cpu、fpga、asic、tpu、光流芯片等。据 deloitte 预测，2018 年，gpu 和 cpu 仍是机器学习领域的主流芯片。gpu 的市场需求量大概在 50 万块左右，在机器学习任务中对 fpga 的需求超过 20 万块，而 asic 芯片的需求量在 10 万块左右。
值得注意的是，deloitte 称，预计到 2018 年底，超过 25% 的数据中心中用来加速机器学习的芯片将为 fpga 和 asic 芯片。可见，fpga、asic 有望在机器学习领域中实现崛起。
实际上，一些较早开始使用 fpga、asic 芯片加速的用户，主要是将它们运用机器学习的推论(inference)任务上，但不久之后，fpga、asic 芯片在模组训练工作上也将能有所发挥。
在 2016 年，全球fpga芯片的销售额已经超过40亿美元。而在 2017 年年初报告《 can fpgas beat gpus in accelerating next-generation deep neural networks? 》中，研究人员表示在某些情况下，fpga 的速度和运算力可能比 gpu 还要强。
目前，像是亚马逊(amazon)的aws与微软(microsoft)的azure云端服务，都已引进 fpga 技术；国内的阿里巴巴也宣布与英特尔(intel)合作，利用xeon-fpga平台加速云端应用；英特尔近来不断强调，数据中心可通过 fpga 调整云端平台，提升机器学习、影音数据加密等工作的执行效率。
此外，asic 虽然是只执行单一任务的芯片，但目前 asic 芯片的制造厂商很多。在2017 年，整个产业的总收益大约在 150 亿美元左右。据悉，google 等厂商开始将 asic 运用在机器学习，以 tensorflow 机器学习软件为基础的芯片也已问世。
deloitte 认为，cpu 与 gpu 的结合，对机器学习发展的推动产生了很大的助力。如果未来各种 fpga 与 asic 解决方案也能在提升处理速度、效率与降低成本方面发挥足够影响力，那么机器学习应用将可再次出现爆炸性的进展。
调查：93％的中、韩厂商准备好迎接RoHS指令限制
挑战Siri！Google Assistant智能语音助理App登陆iPhone
预测中国平板市场一季度出货量下滑30.1% 二季度下滑14.1%
村田硬币型二氧化锰锂电池的特点及应用的详细图文解析
用WiFi信号检测“击键记录”，安全防护被破
FPGA和ASIC芯片将加速机器学习的成长速度
广州首座12英寸芯片厂，投资总额约70亿元，月产能有望达到4万片
在2024年全球分布式光伏装机量有望达到600GW
新型量子存储器可存储数小时的信息
香蕉派 BPI-F2S FPGA开发板凌阳Sunplus Plus1(sp7021)芯片设计,512M RAM 和8G eMMC
艾睿电子入选Gartner 2016年高科技供应链领导者排行榜
中芯国际启动扩张策略的诱因
温度变送器怎么改量程
商用车智能终端产品研发制造行业的标杆企业——有为信息
接近开关性能特点及分类
TCL电视的海外市场销量超过七成 一家全球化彩电品牌业已浮出水面
黑芝麻智能CEO单记章：算力与感知加持下的智能驾驶与车路协同
智能语音交互是怎么实现交互流程中的输入输出呢?
国民技术N32G430 MCU的超值特性与典型应用
不知道选什么样的？这几款超极本，总有适合你的
在2016年初，机器学习仍被视为科学实验，但目前则已开始被广泛应用于数据探勘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、语音和手写识别、战略游戏与机器人等应用领域。在这短短一年的时间内，机器学习的成长速度超乎外界预期。
deloitte global 最新的预测报告指出，在 2018 年，大中型企业将更加看重机器学习在行业中的应用。和 2017 年相比，用机器学习部署和实现的项目将翻倍，并且 2020 年将再次翻倍。
目前，有越来越多的类型开始丰富“ai芯片”这个新名词，包括 gpu、cpu、fpga、asic、tpu、光流芯片等。据 deloitte 预测，2018 年，gpu 和 cpu 仍是机器学习领域的主流芯片。gpu 的市场需求量大概在 50 万块左右，在机器学习任务中对 fpga 的需求超过 20 万块，而 asic 芯片的需求量在 10 万块左右。
值得注意的是，deloitte 称，预计到 2018 年底，超过 25% 的数据中心中用来加速机器学习的芯片将为 fpga 和 asic 芯片。可见，fpga、asic 有望在机器学习领域中实现崛起。
实际上，一些较早开始使用 fpga、asic 芯片加速的用户，主要是将它们运用机器学习的推论(inference)任务上，但不久之后，fpga、asic 芯片在模组训练工作上也将能有所发挥。
在 2016 年，全球fpga芯片的销售额已经超过40亿美元。而在 2017 年年初报告《 can fpgas beat gpus in accelerating next-generation deep neural networks? 》中，研究人员表示在某些情况下，fpga 的速度和运算力可能比 gpu 还要强。
目前，像是亚马逊(amazon)的aws与微软(microsoft)的azure云端服务，都已引进 fpga 技术；国内的阿里巴巴也宣布与英特尔(intel)合作，利用xeon-fpga平台加速云端应用；英特尔近来不断强调，数据中心可通过 fpga 调整云端平台，提升机器学习、影音数据加密等工作的执行效率。
此外，asic 虽然是只执行单一任务的芯片，但目前 asic 芯片的制造厂商很多。在2017 年，整个产业的总收益大约在 150 亿美元左右。据悉，google 等厂商开始将 asic 运用在机器学习，以 tensorflow 机器学习软件为基础的芯片也已问世。
deloitte 认为，cpu 与 gpu 的结合，对机器学习发展的推动产生了很大的助力。如果未来各种 fpga 与 asic 解决方案也能在提升处理速度、效率与降低成本方面发挥足够影响力，那么机器学习应用将可再次出现爆炸性的进展。
调查：93％的中、韩厂商准备好迎接RoHS指令限制
挑战Siri！Google Assistant智能语音助理App登陆iPhone
预测中国平板市场一季度出货量下滑30.1% 二季度下滑14.1%
村田硬币型二氧化锰锂电池的特点及应用的详细图文解析
用WiFi信号检测“击键记录”，安全防护被破
FPGA和ASIC芯片将加速机器学习的成长速度
广州首座12英寸芯片厂，投资总额约70亿元，月产能有望达到4万片
在2024年全球分布式光伏装机量有望达到600GW
新型量子存储器可存储数小时的信息
香蕉派 BPI-F2S FPGA开发板凌阳Sunplus Plus1(sp7021)芯片设计,512M RAM 和8G eMMC
艾睿电子入选Gartner 2016年高科技供应链领导者排行榜
中芯国际启动扩张策略的诱因
温度变送器怎么改量程
商用车智能终端产品研发制造行业的标杆企业——有为信息
接近开关性能特点及分类
TCL电视的海外市场销量超过七成 一家全球化彩电品牌业已浮出水面
黑芝麻智能CEO单记章：算力与感知加持下的智能驾驶与车路协同
智能语音交互是怎么实现交互流程中的输入输出呢?
国民技术N32G430 MCU的超值特性与典型应用
不知道选什么样的？这几款超极本，总有适合你的