2016年12月13日，AMD推出了Vega10核心的首款产品——MI25，根据相关负责人的介绍，该加速卡主打深度学习。之前，NVIDIA发布了服务深度学习应用的TelsaP100，并将公司转型成AI计算公司。Intel宣称，将在2017年发布为深度学习优化的XeonPhi加速卡。

　　三大巨头纷纷发布面向深度学习领域的加速卡，标志着深度学习作为人工智能的重要分支，已经渗入到底层硬件领域，深度学习时代即将全面到来。那么，深度学习的未来之路在哪里，又将如何发展呢？

　　硬件设施的改进

　　深度学习的算法复杂，数据计算量极大，在革命性架构出现以前，深度学习的发展主要依靠加速卡、GPU等硬件的改进。随着半导体制程工艺的进步，集成度和硬件堆栈将不断提升。Intel的第三代XeonPhi加速卡上，将采用10nm工艺，某些制造商还将在2017年初开始7nm工艺的投资工作。2015年，美光和Intel合作推出了3DXPoint技术，改变了芯片的平面结构，大大提升了性能，目前该技术已经投入到量产。

　　除了硬件的工艺将得到提升外，硬件的组合和集成度对深度学习的各项性能具有重要影响。例如，深度学习从过去基于模型发展到基于数据统计，主要得益于GPU的并行结构，未来很长一段时间内，这仍是厂商的发展方向。2016年4月，浪潮发布了深度学习服务器NX5460M4，该服务器在12U空间里支持16片GPU加速卡。

　　算法架构的优化

　　目前，深度学习系统主要依靠循环神经网络（RNN）、LSTM和卷积神经网络（CNN）三种模型，其中，RNN和LSTM的递归设置和嵌套记忆节点与CNN相比拥有诸多局限性。未来，CNN将成为深度学习领域的主流，并不断得到改进。

　　清华大学毕业生贾扬清设计出了目前为止最快的CNN架构——Caffe，大大改善传统CNN方法的耗时问题。2016年4月，浪潮采用MPI并行编程对Caffe进行数据优化，设计出了Caffe-MPI计算框架，该框架在4节点下16卡的性能是单卡的14倍。

　　应用生态的完善

　　一切技术都是人的延伸，产品的根本最终都要通过各种应用服务于人。如何发挥深度学习系统的功能，在云、大数据、金融、能源、自动驾驶等领域充分应用深度学习，将是永恒的话题。目前，深度学习在提升图像识别、语音识别、天气预测、内容推荐等服务水平方面已经得到了初步应用，生态建设已初见成效。

　　京东的深度学习平台围绕电商和金融领域，为精准广告、物流仓储等环节提供了更好的支撑。腾讯的Mariana深度学习平台已经在语音输入法、长按语音消息转文本、微信图像识别中开始应用，大大方便了我们的社交生活。亚马逊在西雅图开设的AmazonGo，基于深度学习系统，模仿大脑检测购买行为，颠覆了超市购物体验。

　　综合来看，随着硬件设施、算法架构的完善和改进，在深度学习基础上搭建起来的应用生态将更加完善，深度学习将逐步改变我们的日常生活，为我们带来全新的体验和极大的便利。

第三十六届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。