因應 iOS 11 Core ML framework, 自己腦補一下:
1. 技術連結 https://developer.apple.com/documentation/coreml
2. device 端不做 trainning, 只負責 trained model 加速 (就利用手機小GPGPU)
==> 引申看法: 雲端運算越來越重要, device 收集到資訊, 4G/5G 到雲端做trainning,
trainning 之後下載更新模型 (& 參數).
3. 模型分類蘋果已經幫你做好了, 可見得 即使在雲端, GPGPU 不一定是好方案.
畢竟應用端不少.
4. 目前 Core ML 前端工具只支援Python, 或成最大淫家. (好險我沒耍寶)
5. 以上腦補只有以手機端看天下, 其他各種device 端不一定成立.
==============================
我野人獻曝, 若各位先進要打臉請小力.
AI 軟體架構隨便畫
AI-Applicaiton (下棋的,自駕車的, 人臉辨識的,無人機手勢辨認,推薦系統 etc)
TensorFlow/Theano and others
CuDa/OpenCL (沒有的話也行, 就是 CPU 直接幹, OpenCL 目前支持度很差)
底層就看你要掛哪一種加速器, 也可以只用 CPU (當然就非常非常慢, 1/20 吧)
Nvidia 就是 拿著 GPU+Cuda 這一塊 先發. 後市怎麼樣, 大家自己拿捏.
這一塊, 專利壁壘不多.
但是 AI-Application 很不巧, 幾乎都需要結合 5G/4G,
(因為海量資料才是深度學習的基礎, nVidia 目前只有在 "快速運算" 佔優勢,
而且還挺耗電的)
這就是 nVidia 的硬傷了. 而且一旦應用市場確定,
自己開ASIC+部分FPGA 比較經濟. 以無人機為例, 飛機才兩萬以下,
還買個貴鬆鬆的 GPU?
知乎網站對於 AI 的看法, 個人覺得這是個應用導向的百家爭鳴的階段,
如果拿 GPU 來練模型okay, 大量鋪貨可能又會有 cost down 版本
https://goo.gl/swZEQ8
大家切磋參考.