目前沒有足夠的計算能力來處理正在創(chuàng)建和存儲的數(shù)據(jù)量。國際數(shù)據(jù)公司(IDC)的一項新研究發(fā)現(xiàn),將數(shù)據(jù)轉(zhuǎn)換為當今組織和新工作負載的有用且有價值的見解所需的處理和轉(zhuǎn)換必須比摩爾定律預(yù)測的更快。
為了解決這一差距,計算行業(yè)正在采用新的途徑,利用DSP,GPU,F(xiàn)PGA等替代計算架構(gòu)來加速和卸載計算任務(wù),以限制系統(tǒng)中通用架構(gòu)的稅收。這些其他架構(gòu)是實現(xiàn)人工智能的關(guān)鍵,包括越來越多地使用深度學習模型。在邊緣; SoC中的DSP,F(xiàn)PGA和優(yōu)化架構(gòu)模塊更適用于機器人,無人機,可穿戴設(shè)備和其他消費類設(shè)備(如語音輔助揚聲器)的初始推理應(yīng)用。
IDC研究,世界上有多少計算以及它能做什么/不能做什么?(IDC#US44034119)是IDC新興的Global DataSphere計劃的一部分,該計劃可以對70種內(nèi)容創(chuàng)建內(nèi)容(包括物聯(lián)網(wǎng)設(shè)備)的數(shù)據(jù)創(chuàng)建,捕獲和復制進行調(diào)整和預(yù)測。然后將數(shù)據(jù)分類為正在創(chuàng)建的數(shù)據(jù)類型,以了解數(shù)據(jù)使用,消耗和存儲的各種趨勢。
該研究基于IDC嵌入式和計算領(lǐng)域二十多年的廣泛工作,包括利用涵蓋約300個系統(tǒng)市場的嵌入式市場模型以及實現(xiàn)系統(tǒng)價值的關(guān)鍵基礎(chǔ)技術(shù)。該研究分析了計算范式的轉(zhuǎn)變,因為人工智能(AI)從數(shù)據(jù)中心移動到邊緣和端點,擴展了每個系統(tǒng)市場的計算架構(gòu)選擇,因為功能和優(yōu)化更接近工作負載。
幾十年來,工藝技術(shù)的進步,芯片設(shè)計以及業(yè)界對摩爾定律的專注,預(yù)測了微處理器和晶體管功能以及片上系統(tǒng)(SoC)集成的性能提升。這些進步有助于建立客戶端計算,智能手機和云基礎(chǔ)架構(gòu)的增長和規(guī)模的節(jié)奏。
微處理器一直是計算的核心,今天英特爾,AMD和ARM是計算節(jié)奏的鐘表。然而,故事并沒有就此結(jié)束; 隨著人工智能在廣泛的行業(yè)基礎(chǔ)上越來越普遍,并推動智能和推理到邊緣,我們正處于一個龐大的市場力量的開端。
“人工智能技術(shù)將繼續(xù)在重新定義計算必須如何實施方面發(fā)揮關(guān)鍵作用,以滿足日益增長的設(shè)備和應(yīng)用的多樣性,” IDC的啟用技術(shù)和半導體項目副總裁Mario Morales說?!肮?yīng)商正處于業(yè)務(wù)轉(zhuǎn)型的開端,他們對合作伙伴的需求不再僅僅是產(chǎn)品和技術(shù)。為了解決物聯(lián)網(wǎng)和端點機遇,性能必須始終在功耗和效率方面取得平衡。展望未來,供應(yīng)商和用戶將需要路線圖,而不僅僅是芯片。這是計算市場中技術(shù)供應(yīng)商的根本變革,只有那些適應(yīng)的人才會保持相關(guān)性?!?/p>
注:本文編譯自外網(wǎng)