行业剖析
2016年，全球深度学习商场规模据估计已达到2.27亿美元。跟着在自动驾驶和医疗健康工业的运用不断增加，深度学习应该仍会对职业添加带来突出的贡献。它在技能上战胜数据量、强计算力以及在数据存储能力方面的优势，使得其在语音、图像等对数据杂乱性要求很高的范畴中异军突起，供给了无穷的研讨空间和价值。
各行各业日益添加的很多数据也在引领着职业开展，别的，对人机交互的无穷需要也为各类解决计划供给商供给了开发计划和功用的新途径。但是，训练神经网络所需的数据对职业添加来讲却是一个应战。
各大公司都在深度学习技能与商品结合方面大力投入。2016年11月，SK电信宣告他们和Intel合作，开发根据深度学习的V2X和视频识别技能。此外，政府对此范畴的扶持和预算添加也将会促进将来几年职业内的添加。例如，我国国家发改委就出资大力支持深度学习研讨实验室的开展。
解决计划剖析
现在深度学习范畴的开展首要会集在软件层面，经过根据深度学习以及机器学习技能的SaaS，现已给全部职业带来推翻式的转变。这些解决计划不仅仅是数据的安排和集合，更能从中提取很多有用的信息来做猜测和判断。
另一方面，算法和硬件的开展还有很长一段路要走，为此也推进着芯片的开展。在日益添加的需要下，FPGA和专用集成电路（ASIC）也在迅速更新，以满足客户的需要。
硬件剖析
在2016年里，GPU霸占了硬件区域，性能比其他芯片快很多。不断增加的增强图形内容的需要引发了深度学习运用运用GPU的需要。
另一方面，大公司添加运用GPU做研发也会添加GPU的需要。比如，谷歌宣告了2017年前期会在云机器学习和运算引擎里添加GPU，提高很多运算使命的性能。GPU正见证着用神经网络训练深度学习模型带来的无穷开展。
FPGA在16年刚刚踏进深度学习范畴时，只占有小量的收入。但是，大家都遍及看好它会有更大的开展，有能力达到比GPU还高的效率。现在FGPA还归于重生期，但咱们期望它会成为这个范畴的首要玩家。
职业运用剖析
2016年，短网址在二维码领域里获得了无穷的关注，收入超过了总比例的40%。这个技能最广泛的运用是Facebook的人脸识别功用。它在非结构化数据的模式识别范畴也运用广泛，例如语音，文字，图象和视频等。
别的在将来8年，医疗和安防范畴的图像识别运用也会迅速推进职业的开展。轿车和金融职业也会不断转型，来和高新技能不断磨合，用技能进一步提高运营能力并且和技能转化落地的能力，为业务和用户带来更多的价值。
数据挖掘技能在2016年在商场拥有5%的占有率。关于模式识别和有效猜测的数据分割猜测，是促进这项技能添加的首要驱动力。用数据挖掘技能去做决策和推断正在为大数据剖析范畴带来推翻式的变革。
终端运用剖析
深度学习在航空航天和国防上的收入占到了2016年商场总收入的20%，首要来自于在远程传感、物体检测和定位、光谱剖析、识别网络异常以及恶意代码检测上的运用。别的，跟着驾驶舱到步兵团逐步开始引入可穿戴计算，关于通用型GPU的的需要激增。
航空航天和国防正在使用深度学习技能，经过运行着很多数据的嵌入式平台来应对防御上的应战。经过图像处理和数据挖掘技能，这些解决计划能够猜测和评估将来的举动路线。例如，美国国土安全局就运用深度学习技能在他的综合环境剖析和模仿项目中来进行将来可能发生的事件的评估。
轿车工业在全部去年深度学习工业收入上的占比也很显著。这是因为现在轿车工业正在由曩昔的私人所有制向同享经济转型。轿车制造商开始意识到，自动驾驶轿车的意义，并且都开始将深度学习归入到自个的生态系统中。奥迪在它与摄像机有关的技能中运用了深度学习算法，以此来经过特征和形状来识别交通标志。
区域剖析
因为在人工智能和神经网络方面投资的添加，在2016年的总收入中，北美商场的收入比例占比超过了45%。在可预期的一段时间内，这种增势还将会继续发生。北美商场对前沿科技的接受程度非常之高，这也使得区域内的企业对深度学习技能的选用也处在一个高速过程中。
另一方面，政府不断增加的支持也影响了这个范畴的开展。美国联邦政府现已建立了人工智能和机器学习的专业委员会，这也使得职业开展迅速。
欧洲关于人工智能的重视也在不断的加强，这使得深度学习工业的添加空间也进一步扩大。尤其是在英国，自动驾驶、智能设备以及网络安全都在促进全部职业不断开展。
竞争剖析
现在商场上的首要玩家包括：Nvidia、Intel、Google、微软。这些玩家现在正在经过不断的并购来不断扩展自个在研发以及商场比例争夺上的优势。2016年8月，英特尔收买了Nervana，以此来获取它的硬件芯片平台。
与此同时，很多公司也在不断加大投入，希望能在自个的商品中加入深度学习的能力。2016年11月，GE医疗宣告和加州大学旧金山剖析合作开发深度学习算法库，以此来促进内科医生在确诊和医治患者上的效率和准确率。