畅谈半导体在行业中的应用与发展

本帖最后由 pboj 于 2018-8-14 16:09 编辑

摩尔定律增加的步伐在这几年里有所放缓，关于摩尔定律的种种猜想甚嚣尘上。但半导体职业人，依然对此持乐观态度：持续性的立异仍在发作，现在职业生态系统中的每个分支都在努力完成更多打破和改善。例如，可制作性规划（DFM）始终在优化，除此之外，更强壮的核算才能无疑成为职业开展的重中之重。
  
曩昔，半导体职业以两派区分，物联网或消费类电子设备，以及高性能核算。寻求低功耗曾在两派之间占据主导地位，但随后核算才能的进一步提高则成为很重要的一个方向。因而，图形处理器（Graphic Processing Unit）和大规模并行处理的体系结构将成为高性能核算的开展方向。当然，这不是一个突然的改变，而是跟着时间推移而发作变化，但这已经是一个必然趋势。

提到图形处理技能，人工智能的问题不行回避。现在人工智能、机器学习和深度学习是业界风向标。但这究竟是炒作仍是已然悄然影响职业开展？
能够必定，现在的人工智能底子不是炒作，而被深度学习所驱动的。深度学习是机器学习的一个分支，而机器学习是AI的一个分支。能够预见，深度学习包含了较多的非连续性、推翻性的技能与严重的机会。但它不像1980年代的Lisp机器热潮。由于Lisp编程言语并不适于一般编程人群。深度学习却推翻了编程，与平常的编程 ——即编程者写代码并将一组输入转化成一组输出——不一样的是：深度学习会消化许多输入与输出的示例，并学习该形式下的匹配。从本质上讲，深度学习的输出是一个程序，它将输入转换为相似的输出，以此仿照练习数据集（training data set）。与之前的机器学习不同，深度学习处理了让软件工程师曾无法处理的编程问题，深度学习能够完成之前无法完成的软件应用程序。
能够必定，现在的人工智能底子不是炒作，而被深度学习所驱动的。深度学习是机器学习的一个分支，而机器学习是AI的一个分支。能够预见，深度学习包含了较多的非连续性、推翻性的技能与严重的机会。但它不像1980年代的Lisp机器热潮。由于Lisp编程言语并不适于一般编程人群。深度学习却推翻了编程，与平常的编程 ——即编程者写代码并将一组输入转化成一组输出——不一样的是：深度学习会消化许多输入与输出的示例，并学习该形式下的匹配。从本质上讲，深度学习的输出是一个程序，它将输入转换为相似的输出，以此仿照练习数据集（training data set）。
与之前的机器学习不一样，让软件工程师曾无法处理的编程问题被这种深化学习轻松处理，深度学习是能够完成之前无法完成的软件应用程序。