行業(yè)分析
2016年，全球深度學習市場規(guī)模據(jù)估計已達到2.27億美元。隨著在自動駕駛和醫(yī)療健康產(chǎn)業(yè)的應用越來越多，深度學習應該仍會對行業(yè)增長帶來突出的貢獻。它在技術(shù)上克服數(shù)據(jù)量、強計算力以及在數(shù)據(jù)存儲能力方面的優(yōu)勢，使得其在語音、圖像等對數(shù)據(jù)復雜性要求很高的領(lǐng)域中異軍突起，提供了巨大的研究空間和價值。
各行各業(yè)日益增長的大量數(shù)據(jù)也在引領(lǐng)著行業(yè)發(fā)展，另外，對人機交互的巨大需求也為各類解決方案提供商提供了開發(fā)方案和功能的新途徑。然而， 訓練神經(jīng)網(wǎng)絡所需的數(shù)據(jù)對行業(yè)增長來講卻是一個挑戰(zhàn)。
各大公司都在深度學習技術(shù)與產(chǎn)品結(jié)合方面大力投入。2016年11月，SK電信宣布他們和Intel合作，開發(fā)基于深度學習的V2X和視頻識別技術(shù)。此外，政府對此領(lǐng)域的扶持和預算增加也將會促進未來幾年行業(yè)內(nèi)的增長。例如，中國國家發(fā)改委就出資大力支持深度學習研究實驗室的發(fā)展。
解決方案分析
目前深度學習領(lǐng)域的發(fā)展主要集中在軟件層面，通過基于深度學習以及機器學習技術(shù)的SaaS，已經(jīng)給整個行業(yè)帶來顛覆式的轉(zhuǎn)變。這些解決方案不僅僅是數(shù)據(jù)的組織和集合，更能從中提取大量有用的信息來做預測和判斷。
另一方面，算法和硬件的發(fā)展還有很長一段路要走，為此也推動著芯片的發(fā)展。在日益增長的需求下，F(xiàn)PGA和專用集成電路（ASIC）也在快速更新，以滿足客戶的需求。
硬件分析
在2016年里，GPU霸占了硬件區(qū)域，性能比其他芯片快很多。越來越多的增強圖形內(nèi)容的需求引發(fā)了深度學習應用使用GPU的需求。
另一方面，大公司增加使用GPU做研發(fā)也會增加GPU的需求。比如，谷歌宣布了2017年早期會在云機器學習和運算引擎里添加GPU，提高大量運算任務的性能。GPU正見證著用神經(jīng)網(wǎng)絡訓練深度學習模型帶來的巨大發(fā)展。
FPGA在16年剛剛踏進深度學習領(lǐng)域時，只占有小量的收入。但是，大家都普遍看好它會有更大的發(fā)展，有能力達到比GPU還高的效率?，F(xiàn)在FGPA還屬于新生期，但我們期望它會成為這個領(lǐng)域的重要玩家。
行業(yè)應用分析
2016年，圖像識別在行業(yè)里獲得了巨大的關(guān)注，收入超過了總份額的40%。這個技術(shù)最廣泛的應用是Facebook的人臉識別功能。它在非結(jié)構(gòu)化數(shù)據(jù)的模式識別領(lǐng)域也應用廣泛，例如語音，文字，圖象和視頻等。
另外在未來8年，醫(yī)療和安防領(lǐng)域的圖像識別應用也會快速推動行業(yè)的發(fā)展。汽車和金融行業(yè)也會不斷轉(zhuǎn)型，來和高新技術(shù)不斷磨合，用技術(shù)進一步提高運營能力并且和技術(shù)轉(zhuǎn)化落地的能力，為業(yè)務和用戶帶來更多的價值。
數(shù)據(jù)挖掘技術(shù)在2016年在市場擁有5%的占有率。對于模式識別和有效預測的數(shù)據(jù)分割預測，是促使這項技術(shù)增長的主要驅(qū)動力。 用數(shù)據(jù)挖掘技術(shù)去做決策和推斷正在為大數(shù)據(jù)分析領(lǐng)域帶來顛覆式的變革。
終端應用分析
深度學習在航空航天和國防上的收入占到了2016年市場總收入的20%，主要來自于在遠程傳感、物體檢測和定位、光譜分析、識別網(wǎng)絡異常以及惡意代碼檢測上的應用。另外，隨著駕駛艙到步兵團逐漸開始引入可穿戴計算，對于通用型GPU的的需要激增。
航空航天和國防正在利用深度學習技術(shù)，通過運行著大量數(shù)據(jù)的嵌入式平臺來應對防御上的挑戰(zhàn)。通過圖像處理和數(shù)據(jù)挖掘技術(shù)，這些解決方案能夠預測和評估未來的行動路線。例如，美國國土安全局就使用深度學習技術(shù)在他的綜合環(huán)境分析和模擬項目中來進行未來可能發(fā)生的事件的評估。
汽車產(chǎn)業(yè)在整個去年深度學習產(chǎn)業(yè)收入上的占比也很顯著。這是由于如今汽車產(chǎn)業(yè)正在由過去的私人所有制向共享經(jīng)濟轉(zhuǎn)型。汽車制造商開始意識到，自動駕駛汽車的意義，并且都開始將深度學習納入到自己的生態(tài)系統(tǒng)中。奧迪在它與攝像機有關(guān)的技術(shù)中使用了深度學習算法，以此來通過特征和形狀來識別交通標志。
地區(qū)分析
由于在人工智能和神經(jīng)網(wǎng)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超過了45%。在可預期的一段時間內(nèi)，這種增勢還將會持續(xù)發(fā)生。北美市場對前沿科技的接受程度非常之高，這也使得地區(qū)內(nèi)的企業(yè)對深度學習技術(shù)的采用也處在一個高速過程中。
另一方面，政府越來越多的支持也刺激了這個領(lǐng)域的發(fā)展。美國聯(lián)邦政府已經(jīng)建立了人工智能和機器學習的專業(yè)委員會，這也使得行業(yè)發(fā)展迅速。