在2016年初,，機器學(xué)習(xí)仍被視為科學(xué)實驗,，但目前則已開始被廣泛應(yīng)用于數(shù)據(jù)探勘,、計算機視覺,、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)略游戲與機器人等應(yīng)用領(lǐng)域,。在這短短一年的時間內(nèi)，機器學(xué)習(xí)的成長速度超乎外界預(yù)期,。

Deloitte Global 最新的預(yù)測報告指出,，在 2018 年，大中型企業(yè)將更加看重機器學(xué)習(xí)在行業(yè)中的應(yīng)用,。和 2017 年相比,，用機器學(xué)習(xí)部署和實現(xiàn)的項目將翻倍,，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)中心中用來加速機器學(xué)習(xí)的芯片將為 FPGA 和 ASIC 芯片?？梢?，F(xiàn)PGA、ASIC 有望在機器學(xué)習(xí)領(lǐng)域中實現(xiàn)崛起,。

實際上,，一些較早開始使用 FPGA、ASIC 芯片加速的用戶,，主要是將它們運用機器學(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《 Can FPGAs Beat GPUs in Accelerating Next-Generation Deep Neural Networks? 》中,，研究人員表示在某些情況下，F(xiàn)PGA 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 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,；英特爾近來不斷強調(diào)，數(shù)據(jù)中心可通過 FPGA 調(diào)整云端平臺,，提升機器學(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 運用在機器學(xué)習(xí),，以 TensorFlow 機器學(xué)習(xí)軟件為基礎(chǔ)的芯片也已問世,。

Deloitte 認為，CPU 與 GPU 的結(jié)合,，對機器學(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,，那么機器學(xué)習(xí)應(yīng)用將可再次出現(xiàn)爆炸性的進展,。