来源：内容翻译自「BUSINESSKOREA」，作者：Doh Hyun-woo，谢谢。
在AAAI 2020上，机器学习方面的权威人士指出了GPU的技术局限性，从而消除了对AI高估的担忧。为了解决GPU的缺点，行业领导者评论了具有大规模内置内存的NPU的潜力。在上周举行的人工智能发展协会（AAAI）会议上，包括Geoffrey Hinton、Yan LeCun和yoshubengio在内的世界机器学习领袖们讨论了人工智能面临的挑战。关于最近出现的AI技术面临内在局限性的理论，LeCun表示，深度学习限制主要与监督学习有关，在这种情况下，输入和输出数据均由研究人员提供。他继续预测，无监督学习（相对不受工程师的控制）可能是引发下一场AI革命的游戏规则改变者。同时，Geoffrey Hinton认为卷积神经网络（CNN）是目前在图像识别中进行深度学习的常用算法，但由于缺乏对简单对象与复杂对象之间空间层次结构的考虑，它们面临着局限性。为了解决这个问题，他建议使用一种“胶囊网络”算法，该算法能够通过动态路由自由地表示复杂对象。在会议上，人们关注了GPU（机器学习领域的主要计算设备）的局限性。由于GPU的内部内存有限，可用于更新神经网络权重，因此必须不断存储权重，然后在外部DRAM中检索权重，这是一个重大缺点。为了解决此问题，建议具有大规模内置内存的NPU可能证明是有效的。AAAI的发言人指出，英伟达GPU和Google TPU在AI半导体市场中的主导地位令人担忧。但是，据指出，目前有许多行业参与者正在开展一些有可能解决这个问题的半导体开发项目（包括针对推理半导体的开发）。我们注意到，Facebook与Yan LeCun合作，正在与国内和国际初创公司如Groq，GreenWaves，Eta Compute，Esperanto Tech，Xnor，Picovoice和Furiosa AI一起研究AI芯片设计。我们认为，这种趋势对于开发计算芯片以替代GPU的小型初创公司以及制造芯片开发过程必不可少的芯片设计工具的公司而言都是有利的。相关的戏剧包括Cadence和Synopsys。但是，我们认为这种趋势对Nvidia不利，后者因其垄断机器学习技术的潜力而受到市场关注。我们注意到，Facebook正在与Yan LeCun合作，与Groq、GreenWaves、Eta Compute、Esperanto Tech、Xnor、Picovoice、osa AI等国内外初创企业一起深入研究人工智能芯片设计。在我们看来，这一趋势对开发计算芯片以取代GPU的小型初创公司和生产芯片设计工具的公司都是有利的。相关的玩家包括Cadence和Synopsys.。然而，我们认为这一趋势对Nvidia是不利的，Nvidia因其垄断机器学习技术的潜力而引起了市场的关注。
点击阅读原文，可阅读英文原文！
