GPU（图形处理单元）技术一度是计算机游戏玩家熟悉的领域，如今在运行深度学习和AI应用的系统中获得新的应用。专家预测，它将在2017年成为分析技术的重要组成部分。

之前在科技领域，人们一直很关心硬件，但随着深度学习的优势逐渐显现，这种情况在2017年将会发生改变。

Forrester的分析师Mike Gualtieri认为，我们可能会进入一个主要由GPU驱动硬件的黄金时代。这种传统CPU技术的替代方案被优化为并行处理任务，而不是按顺序处理。这使得GPU芯片训练深度学习模型成为一个不错的选择，这涉及到处理大量的数据，再到模型可以识别图像，解析自然语言或为网购者推荐产品。

GPU芯片需求增长

GPU技术已经存在了几十年，但直到最近它才在企业中间产生影响。随着深度学习和人工智能技术飞速发展，快速，并行计算训练模型的需求大大增加。

分析公司STORM Insights的创始人Adrian Bowles说：“几年前，我们不会为此寻找特殊硬件。“但是随着深度学习的发展，有很多并行活动在运行，基于GPU的工具将提供更多的帮助。”

他预计GPU芯片市场在未来一年将会升温。NVIDIA是首先打开GPU芯片分析市场的公司之一，今年与IBM和微软合作，将其GPU用于针对认知应用的服务器技术。英特尔也希望更深入地了解GPU技术。

开发人员需要get新技能

Bowles说，这种硬件的日益普及，在某些情况下，可能意味着开发人员必须学习新的工作方式。由于GPU处理数据的方式与CPU不同，因此应用程序将需要重新构建以充分利用这些优点。这意味着开发人员将需要更多的培训，以确保他们能快速get新技能。

IT管理教授、国际分析研究所的联合创始人Tom Davenport表示，更多的企业也将开始围绕GPU技术构建他们的数据架构。Davenport说，越来越多的企业正在寻求实现图像识别技术的方法，该技术是基于深度学习模型构建的。 像Google，Uber和Tesla等公司也在推进自主车辆，这主要依靠深度学习算法。这些类型任务的日益增长将增加对GPU的需求。

“我们将开始看到更多专注于GPU的计算架构，”Davenport说，“这是用于图像识别和其他应用的深度学习模型成功的一部分。”

软件供应商MathWorks公司技术营销经理Paul Pilotte认为，GPU技术还可以提高公民成为数据科学家的趋势。

他指出，AWS（亚马逊网络服务）今年将GPU芯片引入其弹性计算云平台。事实上，托管在云中意味着用户不需要成为硬件专家。这样可以降低技术引进的门槛，并使该技术可用于更广泛的用户群。“深度学习，规范分析和大数据的工作流将变得更易于访问，”Pilotte说道。