度神经网络就像远方地平线上的海啸
鉴于深度神经网络（DNN）的算法和应用还在不断演变之中，所以目前我们还不清楚深度神经网络最终会带来怎样的变化。但是迄今为止，深度神经网络在翻译文本、识别图像和语言方面取得的成功，让人们清楚地意识到，深度神经网络将重塑计算机设计，当半导体设计和制造方面发生着同样深刻颠覆的同时，这些变化逐渐开始带来影响。
为训练深度神经网络量身定制的第一批商用芯片将于今年上市。由于训练新的神经网络模型可能需要几周或几个月的时间，因此这些芯片可能是迄今为止制造出的最大、也是最昂贵的商用芯片。
今年，该行业可能会看到来自初创公司Graphcore的一款微处理器芯片，没有采用DRAM，而是来自竞争对手Cerebras Systems的晶圆级集成。英特尔收购的2.5-D Nervana芯片已经在制作样品，其他十几款处理器也正在开发中。同时，ARM和西部数据等芯片公司也正在研究芯片核心，以加速深度神经网络的推理部分。
加州大学伯克利分校名誉教授David Patterson表示：“我认为（2018年）将有一场即将上演的派对。我们会看到许多公司正在评估的一些想法。”
这个趋势非常重要，Patterson和联合作者John Hennessey在关于计算机开创性文本的最新版本中撰写了一个新的篇章，于上个月发表。作者对内部设计提供了深入的见解，例如Patterson撰写的关于Google TensorFlow Processor（TPU）部分，以及最新Apple和Google智能手机芯片中的Microsoft Catapult FPGA和推理块。
“这是计算机架构和封装的复兴。明年我们会看到比过去十年更有趣的计算机，” Patterson说。
深度神经网络的兴起，在过去几年里把风投的资金带回到了半导体领域。 EE Times最近公布的Silicon 60本榜单中，有7家致力于某种形式的神经网络芯片，其中2家公司鲜为人知：Cambricon Technologies（中国北京）和Mythic Inc.（美国德克萨斯州奥斯汀）。
“我们看到拥有新架构的初创公司正在激增。我自己也在关注着15-20家公司......过去10到15年，我们还没有看到哪一个细分领域有15家这么多的芯片公司出现。”企业家Chris Rowen这样表示，他离开了Cadence Design Systems，成立了一家名为Cognite Ventures的公司，专注于神经网络软件。
“在高端服务器训练方面，Nvidia是一个很难对付的竞争对手，因为它有很难撼动的软件地位，而且涉足智能手机市场那你肯定是疯了，因为你必须要擅长很多方面，但是在高端和低端智能手机市场你可能还有一些机会。”Rowen表示。
市场分析公司The Linley Group负责人Linley Gwennap表示，Nvidia最新的GPU（Volta）做得非常出色，Nvidia对其进行了调整，可对深度神经网络做速度训练。“但我当然不认为这是最好的设计，”Gwennap说。
