FPGA、ASIC将在机器学习领域崛起

尽管GPU仍是当前的机器学习市场的主流，但有产业观察家已经预见了FPGA、ASIC在机器学习领域的崛起。Deloitte Global分析指出，FPGA与ASIC有助于降低机器学习应用的功耗，并提升系统的反应能力与灵活度，因此可望扩大机器学习的应用范围。

Enterprise Tech网站引述Deloitte Global年度预测报告指出，2018年FPGA与ASIC将在机器学习领域占据更重要的地位。到了2018年底，数据中心内约有25%以上的机器学习工作负载将是由FPGA与ASIC芯片负责处理，而目前这些工作多是交由GPU与CPU执行。

Deloitte预测，2018年企业数据中心将会使用到80万片机器学习芯片，其中有60%为GPU，FPGA与ASIC则可分别攻下20%与10%的全球市场。到了2022年，机器学习加速市场将可达到45亿~91亿美元的市值。

一些较早开始使用FPGA、ASIC芯片加速的用户，主要是将它们运用机器学习的推论(inference)任务上，但不久之后，FPGA、ASIC芯片在模块训练工作上也将能有所发挥。

目前像是亚马逊(Amazon)的AWS与微软(Microsoft)的Azure云端服务，都已引进FPGA技术。国内电商阿里巴巴也宣布与英特尔(Intel)合作，利用Xeon-FPGA平台加速云端应用。英特尔近来不断强调，数据中心可透过FPGA调整云端平台，提升机器学习、影音数据加密等工作的执行效率。

另一方面，也有Google等厂商开始将ASIC运用在机器学习，以TensorFlow机器学习软件为基础的芯片也已问世。

Deloitte指出，对于功率受限的推论工作，Google TPU拥有很大的优势。而第二代的TPU还能用于模块训练，只不过目前还不清楚TPU2是否能将TPU处理特定推论工作的优势，延续到训练上。

Deloitte提到，CPU与GPU的结合，对机器学习发展的推动产生了很大的助力。如果未来各种FPGA与ASIC解决方案也能在提升处理速度、效率与降低成本方面发挥足够影响力，那么机器学习应用将可再次出现爆炸性的进展。