因应 iOS 11 Core ML framework, 自己脑补一下:
1. 技术连结 https://developer.apple.com/documentation/coreml
2. device 端不做 trainning, 只负责 trained model 加速 (就利用手机小GPGPU)
==> 引申看法: 云端运算越来越重要, device 收集到资讯, 4G/5G 到云端做trainning,
trainning 之后下载更新模型 (& 参数).
3. 模型分类苹果已经帮你做好了, 可见得 即使在云端, GPGPU 不一定是好方案.
毕竟应用端不少.
4. 目前 Core ML 前端工具只支援Python, 或成最大淫家. (好险我没耍宝)
5. 以上脑补只有以手机端看天下, 其他各种device 端不一定成立.
==============================
我野人献曝, 若各位先进要打脸请小力.
AI 软件架构随便画
AI-Applicaiton (下棋的,自驾车的, 人脸辨识的,无人机手势辨认,推荐系统 etc)
TensorFlow/Theano and others
CuDa/OpenCL (没有的话也行, 就是 CPU 直接干, OpenCL 目前支持度很差)
底层就看你要挂哪一种加速器, 也可以只用 CPU (当然就非常非常慢, 1/20 吧)
Nvidia 就是 拿着 GPU+Cuda 这一块 先发. 后市怎么样, 大家自己拿捏.
这一块, 专利壁垒不多.
但是 AI-Application 很不巧, 几乎都需要结合 5G/4G,
(因为海量资料才是深度学习的基础, nVidia 目前只有在 "快速运算" 占优势,
而且还挺耗电的)
这就是 nVidia 的硬伤了. 而且一旦应用市场确定,
自己开ASIC+部分FPGA 比较经济. 以无人机为例, 飞机才两万以下,
还买个贵松松的 GPU?
知乎网站对于 AI 的看法, 个人觉得这是个应用导向的百家争鸣的阶段,
如果拿 GPU 来练模型okay, 大量铺货可能又会有 cost down 版本
https://goo.gl/swZEQ8
大家切磋参考.