一篇题为《2020 AI，DL和ML的预测》的文章
我发表了一篇题为《2020 AI，DL和ML的预测》的文章。可以肯定地说，我从未预言过今年会有多大的变化。有趣的是，撰写这篇文章并认识到我对行业的五个主要预测都已实现或向前发展。尽管有如此众多的行业停滞不前，但这种向前的势头表明，持续不断的力量被推向人工智能，深度学习和机器学习。
在本篇文章中，我将回顾去年以来的每一项预测，并反思它们的发展趋势和持续的发展。
这是我去年的第一个预测，这很合适，因为在过去的12个月中，我们已经看到大公司进行大笔交易，创造了AI赢家和输家不断增加的环境。有趣的是，不仅仅是大型硬件公司收购了其他硬件公司，我们还看到了公司以前所未有的方式在堆栈中前进。苹果对Xnor.ai的收购，Xnor.ai是一家基于边缘的低功耗人工智能工具的小制造商，它为FAANG巨头提供了一个有趣的窗口。
但是，这一类的最大新闻时刻-坦率地说是2020年在AI领域-成为头条新闻，去年年初我还没有看到。虽然我认为2020年将有较小规模的收购，但我们却看到了历史上规模最大的半导体收购-英特尔以$ 35B的价格收购Xilinx和NVIDIA以$ 40B的价格收购Arm。这些交易推动了AI的发展，并显示出行业对传统传统玩家与技术领先者之间独家交易的真正需求。
市场的整合使人们比以往任何时候都更加清楚，我一直认为传统的参与者认识到以大方式扩展到AI，DL和ML的重要性。
责任编辑：lq
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。
举报投诉
-
半导体
+关注
关注
327文章
24466浏览量
201991 -
AI
+关注
关注
87文章
26396浏览量
264003 -
深度学习
+关注
关注
73文章
5232浏览量
119889
发布评论请先 登录
相关推荐
基于 Renesas 的 RA8M1 实现 AI 和 ML 部署
作者：Kenton Williston 人工智能 (AI)、机器学习 (ML) 和其他计算密集型工作负载在物联网 (IoT) 网络边缘的兴起，给微控制器 (MCU) 带来了额外的处理负载。处理这些
新型的FPGA器件将支持多样化AI/ML创新进程
作者：郭道正 职务：Achronix半导体中国区总经理 近日举办的GTC大会把人工智能/机器学习（AI/ML）领域中的算力比拼又带到了一个新的高度，这不只是说明了通用图形处理器（GPGPU）时代
是德科技推出AI数据中心测试平台旨在加速AI/ML网络验证和优化的创新
2024年2月29日，是德科技（Keysight Technologies,Inc.）宣布，针对人工智能（AI）和机器学习（ML）基础设施生态系统，推出了 AI数据中心测试平台，旨在加速AI
国际最新AI算力评测标准SPEC ML即将发布，浪潮信息连任SPEC ML主席
国际权威标准性能评估组织SPEC第35届年会日前在美国举行。会上，SPEC组织确定新一年工作计划，为推动AI算力产业的更快发展，国际最新AI算力评测标准SPEC ML即将发布，该标准由浪潮
Supermicro推新AI存储方案，助力AI和ML应用加速
Supermicro首席执行官梁见后先生高瞻远瞩地指出：针对AI和ML应用的加速处理，我们推荐配置以每机柜20 PB高速闪存为主，配备四个NVIDIA HGX H100系列优化版8-GPU气冷服务器或者八个同款液冷服务器。
深入探讨工业AI/ML技术的发展趋势及相关解决方案
芯科科技已经创建了一套完整的硬件和软件解决方案，可支持开发用于工业市场的工业AI/ML解决方案。具体来说，我们的Sub-GHz、蓝牙和802.15.4产品内置了硬件加速功能，可优化边缘的AI/
超低功耗 Wi-Fi + AI/ML方案成为AIoT 串连云端的天作之合
现今在人工智能驱动（ AI-driven ）的新兴风潮下，人工智能和机器学习（ AI/ML ）正快速朝向网络的边缘端（ Edge ）发展 - 即使是最小的物联网设备也将很快得以运行 AI
使用电流传感器高效地采集数据，实现 AI 预测性维护
问题的广泛兴趣。AI/ML系统设计人员要想实现此类预测性维护，面临的难题之一是为应用选择最合适的传感器。另一个问题是，只有相对较少的设计人员拥有构建 AI/
AI智能呼叫中心
、数据驱动决策以及人力成本节约，旨在深入剖析其核心优势和对企业的重要意义。一、自动化处理AI智能呼叫中心通过引入自然语言处理(NLP)、机器学习和自动化技术，使得呼叫中心的处理过程更加高效和准确，AI
发表于 09-20 17:53
利用扩展型 NAS 存储加速 AI/ML 工作负载
虹科方案1AI&ML变革日常生活AI（人工智能）和ML（机器学习）的发展正逐渐渗透到我们的日常生活中，为我们带来了翻天覆地的变化。从智能手机中的语音助手到智能家居设备，
Ai 部署的临界考虑电子指南
%数据中心的工作量。平方GPU对培训工作量有效，但在人工智能的所有不同阶段都不需要GPU。在2021年的一项研究中，56%的研究受访者将成本列为他们面临的最重大挑战实施AI/ML解决方案。
发表于 08-04 07:25
基于ML的异构金属材料结构设计及性能预测
异构金属材料因其特殊的微观结构，在具有较高强度的同时仍然能保持良好的韧性，但是复杂的结构参数使其性能预测和结构设计变得非常困难。机器学习(ML)在处理高维物理量之间的复杂
将ML模型推向边缘实现了AI的新用例
如前文所讨论的那样，ML模型通常依赖于大量的并行运算。本质上讲，它们需要原始的计算能力。但是，在算力和设备消耗的实际功率之间始终要进行权衡与取舍。要将ML模型推向边缘，需要消耗功率尽可能少的设备。当需要嵌入设备时更是如此。幸运的是，现在有各种各样的高性能、低功耗MCU。
了解AI与ML，尤其是对于工业和嵌入式应用
出于嵌入式计算空间的目的，ML的定义涉及使用数据和算法来逐步提高嵌入式计算机的准确性。使用统计方法，训练算法进行预测，并找到与使用中的设备相关的关键见解。根据应用程序、用户、环境和其他参数，这些见解可用于动态驱动应用程序内的决策。
工商网监
评论