深潜入更深的学习
深度学习,也被称为人工智能(AI),已经快速变化和改进在过去的几年里,现在被应用到各种应用程序。通常使用神经网络,实现深度学习大国图像识别、语音处理、语言翻译、和许多其他web服务在大型数据中心。它是一个重要的技术在自动驾驶汽车,提供了对象识别和决策。甚至用于智能手机、个人电脑和嵌入式系统(物联网)。
即使是最快的cpu也不足以有效地执行高度复杂的神经网络需要解决这些高级的问题。提高性能需要更多专门的硬件架构。显卡(gpu)已经成为流行,尤其是最初的培训功能。最近出现了许多其他的硬件方法,包括dsp、fpga、asic。虽然这些解决方案方面能够保证数量级,GPU供应商优化设计,以更好地支持深度学习。
自主车辆被深度学习的一个重要应用。车辆没有实现训练,而是专注于简单的推理任务。即便如此,这些车辆需要非常强大的处理器,但它们的成本约束和能力比数据中心服务器,需要不同的权衡。一些芯片供应商交付产品专门为这个应用程序;一些汽车制造商正在开发自己的asic。
等大型芯片厂商英特尔和英伟达目前生成大多数收入来自深度学习处理器。但许多初创公司,一些资金充足,开发新出现,深度学习更多自定义架构;矛隼,大脑、Graphcore Greenwaves Groq,地平线机器人Tenstorrent,把第一批交付的产品。避开这些选项,导致数据中心运营商如阿里巴巴、亚马逊和谷歌已经开发出自己的硬件加速器。
我们整理市场和产品
处理器深度学习指南涵盖了从55以上公司硬件技术和产品。300 +页的报告提供了深刻的技术分析和一对一的产品比较,以及分析公司在这个快速发展的市场前景。我们解释哪些产品将赢得设计,及其原因。TechInsights”独特的技术分析提供了一种前瞻性的观点,帮助整理索赔和竞争的产品。
导游市场始于一个详细的概述。我们解释深度学习的基本知识,硬件加速的类型,和终端市场,包括汽车和数据中心采用的预测。报告提供了详细的核心技术的报道宣布从AMD芯片产品,Cambricon,大脑,Graphcore, Groq,英特尔(包括前阿尔特拉,Habana Mobileye, Movidius),神话,Nvidia(包括Tegra和特斯拉),NXP和Xilinx。其他章节覆盖谷歌TPU的ASIC和特斯拉的自主驾驶ASIC。我们还包括短的许多其他公司开发各种人工智能芯片,包括亚马逊、Brainchip,矛隼,Hailo,华为,晶格,高通、Synaptics,德州仪器。最后,我们一起把它所有的技术比较每个产品类别和我们的分析和结论对这个新兴市场。
什么在这个版本的新
- 工程师设计芯片或系统深入学习或自主车辆
- 营销和工程技术人员在公司销售相关的芯片需要更多信息处理器深度学习或自驾车辆
- 技术专业人士希望深度学习概论,视觉处理,或自主驾驶系统
- 金融分析师的欲望没有浮夸的分析深度学习的处理器和芯片供应商是最可能成功的人
- 媒体和公关专业人士需要起床速度这一新兴技术
这份报告是写:
- 产品经理和高管试图评估他们的产品线在过去一年的表现或识别地区投资或剥离
- 战略采购专家和工程师们原始设备制造商和运营商寻求半导体供应商信息
- 投资者和金融分析师寻求数据来支持投资决策
