FPGA、ASIC有望在机器学习领域中崛起
机器学习已经被广泛的的使用在了各个领域，在一年之内它的成长速度超过了预期。同时随着ai芯片的发展，在以后，fpga和asic芯片将有望成为机器学习领域的新主力。
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。
CES 2023看点 Bianchi借助Ansys技术将自行车物理原型开发量削减70%
TLK3134 具有集成时钟抖动清除器的高灵活性四通道Ser
5通道(3路+V和2路-V)热插拔参考设计
为什么需要电压基准部件?电压基准对A/D和D/A转换影响
Nexperia的锗化硅整流器问市，兼具高效、稳定于一身
FPGA、ASIC有望在机器学习领域中崛起
七夕送男朋友什么礼物？他是不是缺头戴式蓝牙耳机？
开发TV端默认界面和视频播放界面以及手机遥控端默认界面
Commvault在2023云计算层云奖评选中被评为全球云安全领导者
OPPO Find X已经进入发布倒计时，疑似正面照曝光
“智慧赋能 强链塑链”——精细化工行业仓储物流数字化转型探讨
中国联通多项指标垫底，携号转网和5G未必对联通有利
Σ-Δ模数转换器：数字滤波器类型
海尔AI智能音箱新品上市 一句话可控制全屋家电
哈啰出行将切入两轮电动车业务，推出智能两轮“新物种”
台达多功能旋压机的控制模式与特点介绍
苹果合作伙伴广达电脑将为AR眼镜制造镜头
51单片机中断系统的讲解
ColorOS 6带来完美的触控体验
飞针测试技术概述
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。
CES 2023看点 Bianchi借助Ansys技术将自行车物理原型开发量削减70%
TLK3134 具有集成时钟抖动清除器的高灵活性四通道Ser
5通道(3路+V和2路-V)热插拔参考设计
为什么需要电压基准部件?电压基准对A/D和D/A转换影响
Nexperia的锗化硅整流器问市，兼具高效、稳定于一身
FPGA、ASIC有望在机器学习领域中崛起
七夕送男朋友什么礼物？他是不是缺头戴式蓝牙耳机？
开发TV端默认界面和视频播放界面以及手机遥控端默认界面
Commvault在2023云计算层云奖评选中被评为全球云安全领导者
OPPO Find X已经进入发布倒计时，疑似正面照曝光
“智慧赋能 强链塑链”——精细化工行业仓储物流数字化转型探讨
中国联通多项指标垫底，携号转网和5G未必对联通有利
Σ-Δ模数转换器：数字滤波器类型
海尔AI智能音箱新品上市 一句话可控制全屋家电
哈啰出行将切入两轮电动车业务，推出智能两轮“新物种”
台达多功能旋压机的控制模式与特点介绍
苹果合作伙伴广达电脑将为AR眼镜制造镜头
51单片机中断系统的讲解
ColorOS 6带来完美的触控体验
飞针测试技术概述