在2016年初，機(jī)器學(xué)習(xí)仍被視為科學(xué)實(shí)驗(yàn)，但目前則已開始被廣泛應(yīng)用于數(shù)據(jù)探勘、計算機(jī)視覺、自然語言處理、生物特征識別、搜索引擎、醫(yī)學(xué)診斷、檢測信用卡欺詐、證券市場分析、語音和手寫識別、戰(zhàn)略游戲與機(jī)器人等應(yīng)用領(lǐng)域。在這短短一年的時間內(nèi)，機(jī)器學(xué)習(xí)的成長速度超乎外界預(yù)期。

　　DeloitteGlobal最新的預(yù)測報告指出，在2018年，大中型企業(yè)將更加看重機(jī)器學(xué)習(xí)在行業(yè)中的應(yīng)用。和2017年相比，用機(jī)器學(xué)習(xí)部署和實(shí)現(xiàn)的項(xiàng)目將翻倍，并且2020年將再次翻倍。

　　目前，有越來越多的類型開始豐富“AI芯片”這個新名詞，包括GPU、CPU、FPGA、ASIC、TPU、光流芯片等。據(jù)Deloitte預(yù)測，2018年，GPU和CPU仍是機(jī)器學(xué)習(xí)領(lǐng)域的主流芯片。GPU的市場需求量大概在50萬塊左右，在機(jī)器學(xué)習(xí)任務(wù)中對FPGA的需求超過20萬塊，而ASIC芯片的需求量在10萬塊左右。

　　值得注意的是，Deloitte稱，預(yù)計到2018年底，超過25%的數(shù)據(jù)中心中用來加速機(jī)器學(xué)習(xí)的芯片將為FPGA和ASIC芯片。可見，F(xiàn)PGA、ASIC有望在機(jī)器學(xué)習(xí)領(lǐng)域中實(shí)現(xiàn)崛起。

　　實(shí)際上，一些較早開始使用FPGA、ASIC芯片加速的用戶，主要是將它們運(yùn)用機(jī)器學(xué)習(xí)的推論(inference)任務(wù)上，但不久之后，F(xiàn)PGA、ASIC芯片在模組訓(xùn)練工作上也將能有所發(fā)揮。

　　在2016年，全球FPGA芯片的銷售額已經(jīng)超過40億美元。而在2017年年初報告《CanFPGAsBeatGPUsinAcceleratingNext-GenerationDeepNeuralNetworks》中，研究人員表示在某些情況下，F(xiàn)PGA的速度和運(yùn)算力可能比GPU還要強(qiáng)。

　　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(nèi)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(yīng)用；英特爾近來不斷強(qiáng)調(diào)，數(shù)據(jù)中心可通過FPGA調(diào)整云端平臺，提升機(jī)器學(xué)習(xí)、影音數(shù)據(jù)加密等工作的執(zhí)行效率。

　　此外，ASIC雖然是只執(zhí)行單一任務(wù)的芯片，但目前ASIC芯片的制造廠商很多。在2017年，整個產(chǎn)業(yè)的總收益大約在150億美元左右。據(jù)悉，Google等廠商開始將ASIC運(yùn)用在機(jī)器學(xué)習(xí)，以TensorFlow機(jī)器學(xué)習(xí)軟件為基礎(chǔ)的芯片也已問世。

　　Deloitte認(rèn)為，CPU與GPU的結(jié)合，對機(jī)器學(xué)習(xí)發(fā)展的推動產(chǎn)生了很大的助力。如果未來各種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(jī)器學(xué)習(xí)應(yīng)用將可再次出現(xiàn)爆炸性的進(jìn)展。