CPU joprojām labi darbojas biznesa sistēmās vai lietojumprogrammās, kurās nepieciešamība pēc vispārējas programmēšanas elastības pārsniedz tīro apstrādes jaudu. Tomēr GPU tagad ir standarts dažāda veida datu zinātnes, mašīnmācības, AI un padziļinātas apmācības vajadzībām. Protams, visi nemitīgi attīstības vidē meklē nākamo lielo lietu. Gan CPU, gan GPU ir ražošanas līmeņa procesori. Nākotnē, iespējams, šo standartu vietā tiks izmantots viens no divu veidu procesoriem.
- Lietojumprogrammai specifiskās integrālās shēmas (ASIC): atšķirībā no vispārējiem procesoriem pārdevējs izveido ASIC noteiktam mērķim. ASIC risinājums piedāvā ārkārtīgi ātru veiktspēju, izmantojot ļoti mazu jaudu, taču tam trūkst elastības. ASIC risinājuma piemērs ir Google Tensor Processing Unit (TPU) , ko izmanto runas apstrādei.
- Field Programmable Gate Arrays (FPGA): tāpat kā ASIC gadījumā, pārdevējs parasti izstrādā FPGA noteiktam mērķim. Tomēr, atšķirībā no ASIC, jūs varat ieprogrammēt FPGA, lai mainītu tā pamata funkcionalitāti. FPGA risinājuma piemērs ir Microsoft Brainwave , ko izmanto padziļinātiem mācību projektiem.
Cīņa starp ASIC un FPGA solās saasināties, un AI izstrādātāji kļūs par uzvarētājiem. Pašlaik šķiet, ka Microsoft un FPGA ir pārņēmuši vadību. Lieta ir tāda, ka tehnoloģija ir mainīga, un jums vajadzētu sagaidīt jaunus notikumus.
Pārdevēji strādā arī pie pilnīgi jauniem apstrādes veidiem, kas var vai var nedarboties, kā paredzēts. Piemēram, Graphcore strādā pie Intelligence Processing Unit (IPU). Ziņas par šiem jaunajiem procesoriem ir jāuztver ar nelielu sāls graudu, ņemot vērā ažiotāžu, kas pagātnē ir apņēmusi nozari. Kad redzat reālas lietojumprogrammas no lieliem uzņēmumiem, piemēram, Google un Microsoft, varat sākt justies drošāk par iesaistītās tehnoloģijas nākotni.