0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

深度学习与神经网络推动AI芯片市场以约40%的年成长率持续扩张

lhl545545 来源:国际电子商情 作者:国际电子商情 2020-10-07 11:24 次阅读

随着越来越多机器朝半自动化发展,工业与汽车计算机视觉应用可望从中受益,取得更高的年成长率。市场研究机构MarketsandMarkets在最新报告中预测,全球AI芯片市场规模到2026年将达到578亿美元。..

据市场研究机构Marketsand Markets发布的最新展望报告指出,由消费者需求所促成的庞大、复杂数据集,与不断增加的商业应用程序,还有广泛被采用的深度学习神经网络,推动AI芯片市场以约40%的年成长率持续扩张。

据Marketsand Markets 预测,全球AI芯片市场规模到2026年将达到578亿美元,随着越来越多机器朝半自动化发展,工业与汽车计算机视觉应用可望从中受益,取得更高的年成长率。

与此同时,做为数据中心训练机器学习模型主力的图像处理器市场,将取得最快的年成长率;而才刚宣布收购Arm的Nvidia将可能成为GPU领域的“火车头”。

该机构分析师并认为,诸如机器学习等AI应用多会采用更具省电效益的FPGA,尽管这会将驱动指令周期较慢;x86架构CPU则将继续在加速目前主导企业数据中心的专属深度学习工作负载方面,继续扮演支持性的角色。

此外 Marketsand Markets还预估,接下来五年,大多数的AI芯片需求将来自于亚太区市场,特别是在中国大陆、韩国与日本推出的汽车与工业应用。区域性关键推动因素,包括AI硬件成本的下降、AI芯片性能的改善,以及针对智能手机消费者对即时服务的需求。因此具备改善之延迟性与实时反应能力的先进硬件,将引领自动化服务在区域市场的爆炸性成长。

预计未来5年将有一批熟悉的人工智能芯片制造商主导市场。 包括Nvidia (加上新收购的Arm)、英特尔Intel)、三星电子(Samsung Electronics)、AMD、IBM,以及FPGA供货商Xilinx。在此同时,超大数据中心业者如亚马逊(Amazon)、Google、微软(Microsoft),也会在AI软件堆栈领域扮演更重要角色。

报告也将处境艰难的华为(Huawei)列为AI芯片领导厂商,不过忽略了中国大陆市场上其他的重要AI业者,包括百度(Baidu)与腾讯(Tencent)。 与此同时,去年12月,中国云计算巨头阿里巴巴发布了其首款人工智能芯片“汉光800”。

另一家在AI芯片领域新崛起的兴业者,是以色列新创公司Halio; 该公司将其人工智能处理器用于无人值机传感器等边缘设备。这家总部位于特拉维夫的初创公司今年早些时候完成了一轮6000万美元的融资,将用于加速人工智能芯片的生产 。 这家总部位于特拉维夫的初创公司今年早些时候完成了一轮6000万美元的融资,将用于加速人工智能芯片的生产。
责任编辑:pj

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
  • 神经网络
    +关注

    关注

    42

    文章

    4576

    浏览量

    98839
  • 深度学习
    +关注

    关注

    73

    文章

    5240

    浏览量

    119936
  • 人工智能芯片

    关注

    1

    文章

    113

    浏览量

    24011
收藏 人收藏

    评论

    相关推荐

    利用神经网络对脑电图(EEG)降噪

    具体的软硬件实现点击http://mcu-ai.com/MCU-AI技术网页_MCU-AI人工智能 这个示例展示了如何使用EEGdenoiseNet基准数据集[1]和深度
    发表于 04-30 20:40

    FPGA在深度学习应用中或将取代GPU

    硬件公司供货的不断增加,GPU 在深度学习中的市场需求还催生了大量公共云服务,这些服务为深度学习项目提供强大的 GPU 虚拟机。 但是显卡
    发表于 03-21 15:19

    详解深度学习神经网络与卷积神经网络的应用

    在如今的网络时代,错综复杂的大数据和网络环境,让传统信息处理理论、人工智能与人工神经网络都面临巨大的挑战。近些年,深度学习逐渐走进人们的视线
    的头像 发表于 01-11 10:51 739次阅读
    详解<b class='flag-5'>深度</b><b class='flag-5'>学习</b>、<b class='flag-5'>神经网络</b>与卷积<b class='flag-5'>神经网络</b>的应用

    浅析深度神经网络压缩与加速技术

    深度神经网络深度学习的一种框架,它是一种具备至少一个隐层的神经网络。与浅层神经网络类似
    的头像 发表于 10-11 09:14 397次阅读
    浅析<b class='flag-5'>深度</b><b class='flag-5'>神经网络</b>压缩与加速技术

    AI加速器架构设计与实现》+第一章卷积神经网络观后感

    AI加速器架构设计与实现》+第一章卷积神经网络观感    在本书的引言中也提到“一图胜千言”,读完第一章节后,对其进行了一些归纳(如图1),第一章对常见的神经网络结构进行了介绍,举例了一些结构
    发表于 09-11 20:34

    深度学习神经网络架构解析

    感知器是所有神经网络中最基本的,也是更复杂的神经网络的基本组成部分。它只连接一个输入神经元和一个输出神经元。
    发表于 08-31 16:55 856次阅读
    <b class='flag-5'>深度</b><b class='flag-5'>学习</b>的<b class='flag-5'>神经网络</b>架构解析

    卷积神经网络深度神经网络的优缺点 卷积神经网络深度神经网络的区别

    深度神经网络是一种基于神经网络的机器学习算法,其主要特点是由多层神经元构成,可以根据数据自动调整神经
    发表于 08-21 17:07 2358次阅读

    卷积神经网络是什么?卷积神经网络的工作原理和应用

      卷积神经网络(Convolutional Neural Network,CNN)是一种深度学习神经网络,主要用于图像和视频的识别、分类和预测,是计算机视觉领域中应用最广泛的
    发表于 08-21 17:03 1210次阅读

    卷积神经网络的基本原理 卷积神经网络发展 卷积神经网络三大特点

    卷积神经网络的基本原理 卷积神经网络发展历程 卷积神经网络三大特点  卷积神经网络的基本原理 卷积神经网络(Convolutional Ne
    的头像 发表于 08-21 16:49 1459次阅读

    卷积神经网络三大特点

    卷积神经网络三大特点  卷积神经网络(Convolutional Neural Network,CNN)是一种深度学习模型,其具有三大特点:局部感知、参数共享和下采样。 一、局部感知
    的头像 发表于 08-21 16:49 3694次阅读

    卷积神经网络原理:卷积神经网络模型和卷积神经网络算法

    卷积神经网络原理:卷积神经网络模型和卷积神经网络算法 卷积神经网络(Convolutional Neural Network,CNN)是一种基于深度
    的头像 发表于 08-17 16:30 931次阅读

    AI、机器学习深度学习的区别及应用

    深度学习神经网络的区别在于隐藏层的深度。一般来说,神经网络的隐藏层要比实现深度
    发表于 07-28 10:44 331次阅读
    <b class='flag-5'>AI</b>、机器<b class='flag-5'>学习</b>和<b class='flag-5'>深度</b><b class='flag-5'>学习</b>的区别及应用

    浅析三种主流深度神经网络

    来源:青榴实验室1、引子深度神经网络(DNNs)最近在图像分类或语音识别等复杂机器学习任务中表现出的优异性能令人印象深刻。在本文中,我们将了解深度
    的头像 发表于 05-17 09:59 1099次阅读
    浅析三种主流<b class='flag-5'>深度</b><b class='flag-5'>神经网络</b>

    浅析三种主流深度神经网络

    来源:青榴实验室 1、引子 深度神经网络(DNNs)最近在图像分类或语音识别等复杂机器学习任务中表现出的优异性能令人印象深刻。 在本文中,我们将了解深度
    的头像 发表于 05-15 14:20 624次阅读
    浅析三种主流<b class='flag-5'>深度</b><b class='flag-5'>神经网络</b>

    三个最流行神经网络

    在本文中,我们将了解深度神经网络的基础知识和三个最流行神经网络:多层神经网络(MLP),卷积神经网络(CNN)和递归
    发表于 05-15 14:19 1183次阅读
    三个最流行<b class='flag-5'>神经网络</b>