平台的转变杀公司。大型机公司错过了转向小型机，小型机到桌面，桌面和移动。机器学习是下一个平台的转变。机器学习硬件平台尚未确定。
创建机器学习模型，电力下一代自动驾驶汽车，家庭助理和语言翻译，将需要新的新的硬件架构是显著更快，地址更大的存储空间。
+同时在网络世界：足球竞猜app软件5G将帮助自动驾驶汽车安全地行驶在街道上+
为了确保它不会错过这个平台上移，英特尔花了$ 15.3十亿收购Mobileye在。它的目标是争取早日进入自动驾驶汽车市场比汽车自驾车，安全性和便利今天做会消耗更多的硅。
机器学习硬件控制自动驾驶汽车和权力的数据中心尚未完全确定，呈现出大的机会，建立特殊的处理器，其中，NVIDIA目前的线索。2020欧洲杯预赛英特尔不希望落后于市场与芯片提供动力的下一代汽车。
如果有一件事是从英特尔在Windows的统治地位了解到台式机和移动平台市场的服务器市场和手臂的优势它是机器学习硬件是一个赢家通吃的市场机会。国家的最先进的芯片是不够的，赢下平台。需要一个大的生态系统能够为芯片成为一个平台。看看为什么英特尔晚才进入一个芯片（SoC）市场和武器挑战的移动系统向英特尔处理器的优势在数据中心解释为什么提前进入自动驾驶汽车等机器学习企业是至关重要的。2020欧洲杯预赛
英特尔不希望再次推迟上市
英特尔未能建立一个有竞争力的生态系统的原子移动SoC的，因为它已经落后于市场。从体系结构的角度来看，凌动了所有功能，除了想要一个，ARM指令集与它的大生态系统中的手机设计师。
几乎所有的移动SoC制造商都授权使用ARM指令集，包括市场领导者高通(Qualcomm)和联发科(MediaTek)，因为它们依赖于ARM的编译器、调试工具和开发工具包等生态系统。英特尔的移动SoC生态系统与ARM不完全兼容，迫使该公司在去年退出了这项业务。许多下载到英特尔Atom智能手机上的应用程序不得不在软件中模拟ARM指令集，从而降低了性能。说服开发人员为他们的应用程序开发英特尔Atom本地版本是不可能的，因为它的市场份额很小。
即使在采用英特尔处理器的服务器的云运行的98％，互联网回音室与英特尔的服务器业务讣告爆发时，微软上周宣布，该公司的承诺，端口的Windows Server由高通和ARM的Cavium供电设计。但大多数大平台云计算公司，如亚马逊，Facebook，谷歌，IBM和微软甚至部分，不运行其Windows服务器上的云彩。这些云在Linux上，因为生态系统，工具链及其与功能架构的英特尔适应英特尔处理器的服务器上运行，例如，可容纳的开源标准的发展快擦写的控制器。
+同时在网络世界：足球竞猜app软件只是一个自主轿车将使用4000 GB的数据/天+
五年前，ARM和Ubuntu，较大的Linux发行版之一，宣布其服务器的合作伙伴关系，这并未引起的生态系统，并没有削弱英特尔在服务器市场上的份额。ARM的迟到向市场五年前是一个巨大的障碍。除非芯片是由周围的生态系统为软件开发人员和设计人员构建的产品，它并不重要，如果它执行要快一倍，成本更低或功耗更低。
ARM的Windows桌面还明确生态系统的迟到给市场带来的挑战的重要性。Last December, another partnership between Microsoft and Qualcomm was announced with a demonstration of Windows 10 running on an emulator on Qualcomm’s ARM-compatible Snapdragon 835. Running x86, win 32 apps on an emulator makes a good demo, but it repeats the problem Intel had getting its chips into phones; emulators are a shortcut, a corner case with limited appeal.
应用程序需要设计和编译运行作为本机二进制文件具有良好的稳定性和运行速度快。微软试图这个曾经与搭载了基于ARM的NVIDIA的Tegra 3，迫使其内部和外部的开发人员重新编译针对表面的原始表面临RT之前。但直到表面Pro 2的与Wintel联盟x86的二进制兼容性没有产品开始获得牵引力，这主要是由于软件生态系统。微软还没有看，因为表面临2面临3，4和5都跟着在x86处理器的背部。该处理器的生态系统，像噶，是母狗。
一个不变的主题掩盖了机器学习的历史：硬件性能落后于新的机器学习的理论研究者产生突破。一旦新的机器学习研究证实，研究人员上班优化它的可用硬件上运行。
实现机器学习和人工智能
许多机器学习和人工智能在过去20年中被证明，但直到最近，没有人试图实现它，因为可用的硬件是不可行的。2011年，谷歌需要一个整体的数据中心，以训练机器学习找到猫的2020欧洲杯预赛YouTube视频。机器学习是不是没有谷歌的大规模数据中心的访问，因此而一个有趣的发展，它并没有引发在以下谷歌的兴趣。2020欧洲杯预赛
在2012年，博士学位。候选人约书亚·本焦的蒙特利尔大学的实验室了NVIDIA GPU的并行编程的高性能机器学习模型的优势。他证明，充满了NVIDIA的GPU的系统中很小的机架可以像谷歌的数据中心进行，且费用中的每一个数据科学实验室的范围。2020欧洲杯预赛突然，在AI开发人员和研究人员的兴趣和机器学习的复兴。
NVIDIA在市场上的模型训练细分市场份额已经达到90％，但其市场垄断地位，尚不能保证，因为有许多未解决的结构性问题。机器学习模型的开发由建筑从建造大型模型来创建下一代人工智能的限制。这是一个类似超级计算，其中软件开发人员还需要创建操作系统软件来划分应用程序并将其分发给数百甚至上千台机器的零件，以及协调和同步计算任务的问题。任务，如这些的较好实例为低级别的操作系统接口连接到硬件，在许多方面与从提取管理虚拟存储器的显影剂类似进行。
+同时在网络世界：足球竞猜app软件微软希望能够把机器学习成主流+
对于硬件制造商来说，机器学习的发展速度太快了，无法采用处理器架构，因为它很可能在年底前发生变化。目前，应用程序开发人员还在解决跨多个系统分配应用程序工作负载的问题，适应机架gpu之间比总线速度慢的光纤互连，以及开发操作系统和硬件需要的一般特性等等。
英特尔收购Mobileye在的，以及它在八月收购深学习，芯片启动涅磐去年，不以获得即时收益。它买他们做什么让英特尔成功：定义客户的需求，转换的要求，硅是适合特定的用例，并创建一个围绕它的生态系统，使硬件和软件工程师打造的产品。
英特尔将投资大笔资金是早期由于缺少机器学习平台转移的可怕后果。当机器学习硬件要求收敛，获胜者将卖很多机器学习处理器集成到数据中心，进入汽车业控制自动驾驶汽车。2020欧洲杯预赛英特尔不希望被排除在外，就像是在移动。