神经网络将嵌入在工厂车间及其周围出现的越来越多具有Linux功能的多核x86网关和控制器中。而据说新兴的5G蜂窝网络有一天会让神经网络可以随时访问远程数据中心。
汽车和飞机制造商以及医疗保健提供商正在采取早期措施，主要是智能相机。佳能正在其工业相机中嵌入Nvidia Jetson板，以开启深度学习。工业相机供应商康耐视公司正在加大自己的产品种类。机器人技术是计算机和人工智能的交叉点，但深度学习的许多工业用途将不那么迷人，而且会更快到达。
深度学习导致了TensorFlow，Caffe和Chainer等软件框架的迅速崛起，每个框架都有自己的优点和缺点。开发人员认为需要混合框架来支持细微的AI抽象，研究人员才刚刚开始研究它们。
不过也有人指出，神经网络是不确定的。这产生了两个问题：结果是有用的但无法解释，并且它们通常表现为良好但总是不完美的准确度水平。
与算法一样，硬件仍在不断发展。深度学习中的计算需要改变你如何为矩阵乘法等特征布置晶体管，深度学习的需求与今天的CPU和GPU不匹配。
从喷气涡轮机到挑拣快递
机器学习开始在工业应用中产生影响，从喷漆涡轮机到包装圣诞礼物。通用电气公司使用配备计算机视觉的机器人将发光涂料应用于喷气发动机涡轮机并检查它们是否有裂缝。
Nvidia的Jetson板可以帮助拖拉机区分作物和杂草，这样肥料就不会浪费在杂草身上。这些电路板还为Agrobot制造的自动收割系统提供动力。
少数初创公司正在开创一些棘手的任务，帮助机器人自动导航仓库甚至城市。在一些零售店中，研究员机器人有一个巡航通道，盘点库存的系统。商用无人机具有计算机视觉，可用于执法，搜索和救援以及施工。
在阿里巴巴和亚马逊等公司分拣机器人都在高效的工作，分拣机器人是一种具备了传感器、物镜和电子光学系统的机器人，可以快速进行货物分拣。
工厂可以使用网络将振动传感器连接到校园的偏远地区的公用系统，例如水泵。它还可能使用4K摄像机的无线链接以确保安全，并在紧急情况下确认3,000名员工的下落，这是一款适用于神经网络的人脸识别应用程序。
不断扩展的网络正在为深度学习的神经网络有朝一日地铺设道路铺平道路，为每个连接它们的系统带来新的智能水平。
