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
会员中心
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
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

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

    4845

    浏览量

    108349
  • 深度学习
    +关注

    关注

    73

    文章

    5614

    浏览量

    124731
  • 人工智能芯片

    关注

    1

    文章

    124

    浏览量

    31146
收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    面向嵌入式部署的神经网络优化:模型压缩深度解析

    1.为什么需要神经网络模型压缩? 神经网络已经成为解决复杂机器学习问题的强大工具。然而,这种能力往往伴随着模型规模和计算复杂度的增加。当输入维度较大(例如长时序窗口、高分辨特征空间)
    的头像 发表于 02-24 15:37 5573次阅读
    面向嵌入式部署的<b class='flag-5'>神经网络</b>优化:模型压缩<b class='flag-5'>深度</b>解析

    神经网络的初步认识

    日常生活中的智能应用都离不开深度学习,而深度学习则依赖于神经网络的实现。什么是神经网络
    的头像 发表于 12-17 15:05 524次阅读
    <b class='flag-5'>神经网络</b>的初步认识

    NMSIS神经网络库使用介绍

    NMSIS NN 软件库是一组高效的神经网络内核,旨在最大限度地提高 Nuclei N 处理器内核上的神经网络的性能并最​​大限度地减少其内存占用。 该库分为多个功能,每个功能涵盖特定类别
    发表于 10-29 06:08

    在Ubuntu20.04系统中训练神经网络模型的一些经验

    本帖欲分享在Ubuntu20.04系统中训练神经网络模型的一些经验。我们采用jupyter notebook作为开发IDE,TensorFlow2为训练框架,目标是训练一个手写数字识别的神经网络
    发表于 10-22 07:03

    人工智能工程师高频面试题汇总:循环神经网络篇(题目+答案)

    ,提前准备一些面试常问的问题,比如概率论与统计知识、机器学习的那些算法,或者深度学习的框架,还有怎么优化模型,循环神经网络等,这些都是加分项,能有效提高面试通过
    的头像 发表于 10-17 16:36 951次阅读
    人工智能工程师高频面试题汇总:循环<b class='flag-5'>神经网络</b>篇(题目+答案)

    液态神经网络(LNN):时间连续性与动态适应性的神经网络

    1.算法简介液态神经网络(LiquidNeuralNetworks,LNN)是一种新型的神经网络架构,其设计理念借鉴自生物神经系统,特别是秀丽隐杆线虫的神经结构,尽管这种微生物的
    的头像 发表于 09-28 10:03 1680次阅读
    液态<b class='flag-5'>神经网络</b>(LNN):时间连续性与动态适应性的<b class='flag-5'>神经网络</b>

    【「AI芯片:科技探索与AGI愿景」阅读体验】+神经形态计算、类脑芯片

    AI芯片不仅包括深度学细AI加速器,还有另外一个主要列别:类脑芯片。类脑芯片是模拟人脑
    发表于 09-17 16:43

    【「AI芯片:科技探索与AGI愿景」阅读体验】+AI的未来:提升算力还是智力

    。 耦合振荡计算与传统的计算的区别: 3、神经符号计算 神经符号极端是指将基于神经网络的方法与基于符号知识的方法结合的AI计算。 神经符号计
    发表于 09-14 14:04

    【「AI芯片:科技探索与AGI愿景」阅读体验】+第二章 实现深度学习AI芯片的创新方法与架构

    连接定义了神经网络的拓扑结构。 不同神经网络的DNN: 一、基于大模型的AI芯片 1、Transformer 模型与引擎 1.1 Transformer 模型概述 Transforme
    发表于 09-12 17:30

    如何在机器视觉中部署深度学习神经网络

    图 1:基于深度学习的目标检测可定位已训练的目标类别,并通过矩形框(边界框)对其进行标识。 在讨论人工智能(AI)或深度学习时,经常会出现“
    的头像 发表于 09-10 17:38 1123次阅读
    如何在机器视觉中部署<b class='flag-5'>深度</b><b class='flag-5'>学习</b><b class='flag-5'>神经网络</b>

    AI 芯片浪潮下,职场晋升新契机?

    中能充分展现个人对行业的贡献。 持续学习助力 AI 芯片与职称双赢 AI 芯片领域知识更新迅速,
    发表于 08-19 08:58

    【书籍评测活动NO.64】AI芯片,从过去走向未来:《AI芯片:科技探索与AGI愿景》

    》,讲述了AI芯片的基础知识,包括原理、种类、厂商、产业等概况,展望新技术与研究应用。 《AI芯片:前沿技术与创新未来》出版后获得了“忆阻器之父”蔡少棠教授的力荐,当时他认为“这是一本
    发表于 07-28 13:54

    信而泰×DeepSeek:AI推理引擎驱动网络智能诊断迈向 “自愈”时代

    模态的技术特性,DeepSeek正加速推动AI在金融、政务、科研及网络智能化等关键领域的深度应用。 信而泰:AI推理引擎赋能
    发表于 07-16 15:29

    Nordic收购 Neuton.AI 关于产品技术的分析

    Nordic Semiconductor 于 2025 年收购了 Neuton.AI,这是一家专注于超小型机器学习(TinyML)解决方案的公司。 Neuton 开发了一种独特的神经网络框架,能够
    发表于 06-28 14:18

    神经网络专家系统在电机故障诊断中的应用

    摘要:针对传统专家系统不能进行自学习、自适应的问题,本文提出了基于种经网络专家系统的并步电机故障诊断方法。本文将小波神经网络和专家系统相结合,充分发挥了二者故障诊断的优点,很大程度上降低了对电机
    发表于 06-16 22:09