機器學(xué)習成長(cháng)速度驚人，FPGA和ASIC芯片有望成為新主力

　　在2016年初，機器學(xué)習仍被視為科學(xué)實(shí)驗，但目前則已開(kāi)始被廣泛應用于數據探勘、計算機視覺(jué)、自然語(yǔ)言處理、生物特征識別、搜索引擎、醫學(xué)診斷、檢測信用卡欺詐、證券市場(chǎng)分析、語(yǔ)音和手寫(xiě)識別、戰略游戲與機器人等應用領(lǐng)域。在這短短一年的時(shí)間內，機器學(xué)習的成長(cháng)速度超乎外界預期。

　　Deloitte Global 最新的預測報告指出，在 2018 年，大中型企業(yè)將更加看重機器學(xué)習在行業(yè)中的應用。和 2017 年相比，用機器學(xué)習部署和實(shí)現的項目將翻倍，并且 2020 年將再次翻倍。

　　目前，有越來(lái)越多的類(lèi)型開(kāi)始豐富“AI芯片”這個(gè)新名詞，包括 GPU、CPU、FPGA、ASIC、TPU、光流芯片等。據 Deloitte 預測，2018 年，GPU 和 CPU 仍是機器學(xué)習領(lǐng)域的主流芯片。GPU 的市場(chǎng)需求量大概在 50 萬(wàn)塊左右，在機器學(xué)習任務(wù)中對 FPGA 的需求超過(guò) 20 萬(wàn)塊，而 ASIC 芯片的需求量在 10 萬(wàn)塊左右。

　　值得注意的是，Deloitte 稱(chēng)，預計到 2018 年底，超過(guò) 25% 的數據中心中用來(lái)加速機器學(xué)習的芯片將為 FPGA 和 ASIC 芯片?？梢?jiàn)，FPGA、ASIC 有望在機器學(xué)習領(lǐng)域中實(shí)現崛起。

　　實(shí)際上，一些較早開(kāi)始使用 FPGA、ASIC 芯片加速的用戶(hù)，主要是將它們運用機器學(xué)習的推論(inference)任務(wù)上，但不久之后，FPGA、ASIC 芯片在模組訓練工作上也將能有所發(fā)揮。

　　在 2016 年，全球FPGA芯片的銷(xiāo)售額已經(jīng)超過(guò)40億美元。而在 2017 年年初報告《 Can FPGAs Beat GPUs in Accelerating Next-Generation Deep Neural Networks? 》中，研究人員表示在某些情況下，FPGA 的速度和運算力可能比 GPU 還要強。

　　目前，像是亞馬遜(Amazon)的AWS與微軟(Microsoft)的Azure云端服務(wù)，都已引進(jìn) FPGA 技術(shù);國內的阿里巴巴也宣布與英特爾(Intel)合作，利用Xeon-FPGA平臺加速云端應用;英特爾近來(lái)不斷強調，數據中心可通過(guò) FPGA 調整云端平臺，提升機器學(xué)習、影音數據加密等工作的執行效率。

　　此外，ASIC 雖然是只執行單一任務(wù)的芯片，但目前 ASIC 芯片的制造廠(chǎng)商很多。在2017 年，整個(gè)產(chǎn)業(yè)的總收益大約在 150 億美元左右。據悉，Google 等廠(chǎng)商開(kāi)始將 ASIC 運用在機器學(xué)習，以 TensorFlow 機器學(xué)習軟件為基礎的芯片也已問(wèn)世。

　　Deloitte 認為，CPU 與 GPU 的結合，對機器學(xué)習發(fā)展的推動(dòng)產(chǎn)生了很大的助力。如果未來(lái)各種 FPGA 與 ASIC 解決方案也能在提升處理速度、效率與降低成本方面發(fā)揮足夠影響力，那么機器學(xué)習應用將可再次出現爆炸性的進(jìn)展。