机器学习成长速度惊人,FPGA和ASIC芯片有望成为新主力
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。
关注电子行业精彩资讯,关注华强资讯官方微信,精华内容抢鲜读,还有机会获赠全年杂志
关注方法:添加好友→搜索“华强微电子”→关注
或微信“扫一扫”二维码
- •乘联会:2022 年新能源乘用车批发 649.8 万辆同比增长 96.3%,零售 567.4 万辆增长 …2023-01-12
- •研究机构:全球智能手机 2022 年 Q4 出货量将年减 17% 至 3.11 亿台,2023 全年预估下修至 11.9 亿台2023-01-05
- •消息称三星将于明年启动存储芯片降价,以提高其市场份额2022-12-29
- •机构:明年高通将拥有 100% 的三星 Galaxy S 和苹果 iPhone 市场份额2022-12-28
- •IDC:预计 2023 年中国 Type-C 接口显示器出货量占整体市场 5%2022-12-27
- •TrendForce:预计 2022-2025 年 NAND Flash 年增长率均低于 30%2022-12-27
- •CINNO:手机面板价格下滑贯穿2022年,全年跌幅10%-20%2022-12-22
- •中国电动汽车出口量猛增,电池组比欧美便宜太多2022-12-19
- •1-11 月新能源汽车、太阳能电池产量同比分别增长 100.5%、44.1%2022-12-16
- •SA:随着汽车摄像头需求增加,性能要求也在增加2022-12-15