2016年，全球深度進修市場局限據預計已到達2.27億美元。跟著在自動駕駛和醫療康健財富的應用越來越多，深度進修應該仍會對行業增長帶來突出的孝敬。它在技能上降服數據量、強計較力以及在數據存儲本領方面的優勢，使得其在語音、圖像等對數據巨大性要求很高的規模中異軍突起，韓國云服務器 美國云主機，提供了龐大的研究空間和代價。

各行各業日益增長的大量數據也在引領著行業成長，別的，對人機交互的龐大需求也為種種辦理方案提供商提供了開拓方案和成果的新途徑。然而， 練習神經網絡所需的數據對行業增長來講卻是一個挑戰。

各大公司都在深度進修技能與產物團結方面大力大舉投入。2016年11月，SK電信公布他們和Intel相助，開拓基于深度進修的V2X和視頻識別技能。另外，當局對此規模的扶持和預算增加也將會促進將來幾年行業內的增長。譬喻，中國國度發改委就出資大力大舉支持深度進修研究嘗試室的成長。

辦理方案闡明

今朝深度進修規模的成長主要會合在軟件層面，通過基于深度進修以及呆板進修技能的SaaS，已經給整個行業帶來顛覆式的轉變。這些辦理方案不只僅是數據的組織和薈萃，更能從中提取大量有用的信息來做預測和判定。

另一方面，算法和硬件的成長尚有很長一段路要走，為此也敦促著芯片的成長。在日益增長的需求下，FPGA和專用集成電路（ASIC）也在快速更新，以滿意客戶的需求。

硬件闡明

在2016年里，GPU攻克了硬件區域，機能比其他芯片快許多。越來越多的加強圖形內容的需求激發了深度進修應用利用GPU的需求。

另一方面，大公司增加利用GPU做研發也會增加GPU的需求。好比，谷歌公布了2017年早期會在云呆板進修和運算引擎里添加GPU，提高峻量運算任務的機能。GPU正見證著用神經網絡練習深度進修模子帶來的龐大成長。

FPGA在16年方才踏進深度進修規模時，只占有小量的收入。可是，各人都普遍看好它會有更大的成長，有本領到達比GPU還高的效率。此刻FGPA還屬于新生期，但我們期望它會成為這個規模的重要玩家。

行業應用闡明

2016年，圖像識別在行業里得到了龐大的存眷，收入高出了總份額的40%。這個技能最遍及的應用是Facebook的人臉識別成果。它在非布局化數據的模式識別規模也應用遍及，譬喻語音，文字，圖象和視頻等。

別的在將來8年，醫療和安防御圍的圖像識別應用也會快速敦促行業的成長。汽車和金融行業也會不絕轉型，來和高新技能不絕磨合，用技能進一步提高運營本領而且和技能轉化落地的本領，為業務和用戶帶來更多的代價。

數據挖掘技能在2016年在市場擁有5%的占有率。對付模式識別和有效預測的數據支解預測，是促使這項技能增長的主要驅動力。 用數據挖掘技能去做決定和揣度正在為大數據闡明規模帶來顛覆式的厘革。

終端應用闡明

深度進修在航空航天和國防上的收入占到了2016年市場總收入的20%，主要來自于在長途傳感、物體檢測和定位、光譜闡明、識別網絡異常以及惡意代碼檢測上的應用。別的，跟著駕駛艙到步兵團逐漸開始引入可穿著計較，對付通用型GPU的的需要激增。

航空航天和國防正在操作深度進修技能，通過運行著大量數據的嵌入式平臺來應對防止上的挑戰。通過圖像處理懲罰和數據挖掘技能，這些辦理方案可以或許預測和評估將來的動作蹊徑。譬喻，美國疆域安詳局就利用深度進修技能在他的綜合情況闡明和模仿項目中來舉辦將來大概產生的事件的評估。

汽車財富在整個去年深度進修財富收入上的占比也很顯著。這是由于如今汽車財富正在由已往的私人所有制向共享經濟轉型。汽車制造商開始意識到，自動駕駛汽車的意義，而且都開始將深度進修納入到本身的生態系統中。奧迪在它與攝像機有關的技能中利用了深度進修算法，以此來通過特征和形狀來識別交通符號。

地域闡明

由于在人工智能和神經網絡方面投資的增加，在2016年的總收入中，北美市場的收入份額占比高出了45%。在可預期的一段時間內，這種增勢還將會一連產生。北美市場對前沿科技的接管水平很是之高，這也使得地域內的企業對深度進修技能的回收也處在一個高速進程中。

另一方面，當局越來越多的支持也刺激了這個規模的成長。美國聯邦當局已經成立了人工智能和呆板進修的專業委員會，這也使得行業成長迅速。

歐洲對付人工智能的重視也在不絕的增強，這使得深度進修財富的增長空間也進一步擴大。尤其是在英國，自動駕駛、智能設備以及網絡安詳都在促使整個行業不絕成長。

競爭闡明