ForresterResearch的這項研究表明，有越來越多的企業(yè)將在公有云和邊緣位置進行數(shù)據(jù)分析，從而在邊緣完成更多的機器學習能力 。有51％的受訪者表示，他們正在公有云中運行分析，預計未來三年這一比例將增加到61％ 。此外，有44％的人已經在邊緣設備中進行數(shù)據(jù)分析，預測到2021年這一比例將增長到53％ 。
Forrester基礎設施和運營高級分析師ChrisGardner對于硬件的重要性感到驚訝，特別是存儲和內存 。他表示，一個非常重要的研究結果是，有大量工作是脫離了存儲在內存本身進行的 。但值得注意的是，這取決于你的需求是什么 。根據(jù)Gardner的說法，訓練模型需要大量的內存和存儲空間 。除外之外，你根本不需要任何東西 。
▲Crossbar最近成立了一個打造人工智能平臺的聯(lián)盟，提供針對人工智能應用的內存產品，例如帶有嵌入式ReRAM的P系列MCUGardner說，在完美的情況下，企業(yè)希望擁有一個數(shù)百GB的RAM大型環(huán)境 。但實際上，他們不得不自己構建或者付費讓供應商來實現(xiàn)，而且這需要的是硬件方面的轉變 ?！拔覀冃枰嘁詢却鏋橹行牡募軜?，讓計算圍繞內存以及存儲來進行，而不是讓計算本身成為中心 。
“這并不是說當前的計算架構很糟糕，但這可能并不是做人工智能和機器學習最有效的方式 ?！盙ardner表示 。此外，Gardner還提到了邊緣計算，有一個場景是某個舉行大型體育賽事的體育場內安裝了很多攝像頭，這些攝像頭實時產生了大量需要快速處理的數(shù)據(jù)，以確定是否存在危險情況 ?！八麄兛梢园堰@些數(shù)據(jù)發(fā)送到云端并返回，但是他們沒有時間去這么做，因為他們必須盡快處理這些數(shù)據(jù) 。
”未來還將有一些機器學習是在云中進行的，然后返回到物聯(lián)網設備，但是其中一些設備將變得越來越智能化，并且可以自主地進行機器學習，共享回云端以及其他設備 。對于內存制造商來說，這意味著商用組件制造商要持續(xù)進行轉型，而且要重新編譯應用以利用人工智能和機器學習工作負載所需的、以內存為中心的架構 。但是現(xiàn)在這些技術還處于實驗階段，還沒有一個真正的采用內存為中心、在實驗環(huán)境之外有很多延遲表現(xiàn)的架構 。
【打造人工智能高地,人工智能計算器】Gardner說：“幾十年來我們一直是用以CPU為中心的心態(tài)去構建架構，而想要擺脫這種想法是非常具有革命性的 。”對此，去年秋天美光還宣布投資1億美元用于人工智能，并在實驗室中打造了一個類似DRAM的產品，目標是在2021年進行采樣，同時美光的研究人員也在研究處理器內存架構，這也是其他很多初創(chuàng)公司正在研究的領域 。
推薦閱讀
- 模型制作的參考文獻有哪些,八個模型幫助打造度量模型
- 彈彈堂石裝怎么打造,《彈彈堂》口袋版
- 生活中人工智能的例子,人工智能的12個典型案例
- 打造高檔服裝店,精品服裝店怎么做
- 西高地梗犬大概多少錢一只,新晉網紅西高地白梗
- 2021年人工智能賽事,人工智能機器人培訓班
- 風色軌跡怎么換職業(yè),別說話《風色軌跡》打造獨家秘密后花園
- 熱血三國2金色將怎么洗到,忠誠擔當打造金色盾牌
- 人工智能 游戲 哪個火,人工智能為什么這么火
- MMORPG《激戰(zhàn)3》或在開發(fā)中 采用虛幻5引擎打造