机构名称：
¥ 1.0
与去年一样，初创公司和老牌科技公司发布、发布和部署人工智能 (AI) 和机器学习 (ML) 加速器的新步伐一直不大。这并非不合理；许多发布加速器报告的公司都花了三到四年的时间研究、分析、设计、验证和确认其加速器设计权衡，并构建软件堆栈来对加速器进行编程。对于那些发布了加速器后续版本的公司来说，他们报告的开发周期更短，尽管至少也需要两三年。这些加速器的重点仍然是加速深度神经网络 (DNN) 模型，应用空间从超低功耗嵌入式语音识别和图像分类到数据中心规模训练，而作为现代计算向机器学习解决方案的更大规模工业和技术转变的一部分，对定义市场和应用领域的竞争仍在继续。人工智能生态系统汇集了嵌入式计算（边缘计算）、传统高性能计算（HPC）和高性能数据分析（HPDA）的组件，这些组件必须协同工作才能有效地为决策者、作战人员和分析师提供使用能力 [1]。图 1 捕获了此类端到端人工智能解决方案及其组件的架构概览。在图 1 的左侧，结构化和非结构化数据源提供了实体和/或现象学的不同视图。
人工智能和机器学习加速器调查和趋势
主要关键词
相关文件推荐
