首页 > 企业站 > 企业站_资讯眼> 正文

重大消息:清华大学用新器件突破AI芯片瓶颈

Asgardia 编辑: 王珂玥 发布于:2023-10-11 09:15 PConline原创

6004

近日,清华大学微信公众号发布消息,集成电路学院教授吴华强、副教授高滨团队基于存算一体计算范式,研制出全球首颗全系统集成的、支持高效片上学习的忆阻器存算一体芯片。相同任务下,该芯片实现片上学习的能耗仅为先进工艺下专用集成电路(ASIC)系统的1/35,同时有望实现75倍的能效提升。相关成果在线发表于最新一期的《科学》。

对于当下企业级科技的存算一体挑战,太平洋科技曾在《存储厂商的终结》一文中有过讨论,大数据、人工智能、高性能计算等领域,应用推动SSD为CPU卸载工作负载的主战场,发力存内计算;也提到由于这类电阻式存储的存储细胞单元的交叉网络与神经网络在模拟神经突触连接有类似的方式,很多团队敢于采用新型忆阻器 ReRAM来追求在存算一体上取得突破。

对于AI在向边缘设备、云计算领域的拓展问题,太平洋科技曾在《从“万恶之源”到“百模大战”》中有过相关分析。例如提到,当训练的参数量可以不断按照指数级增长,但内存和计算资源越发受到严重限制时,基于数学的量化算法,成为长期存在边缘设备的神经网络部署上显得得尤为重要的软件优化空间。

忆阻器(Memristor),是继电阻、电容、电感之后的第四种电路基本元件。它可以在断电之后,仍能“记忆”通过的电荷,被当做新型纳米电子突触器件。忆阻器存算一体技术从底层器件、电路架构和计算理论全面颠覆了冯·诺依曼传统计算架构,在实现利用新器件结合存算一体与边缘AI方面,算力和能效与传统器件相比,有跨越式提升的巨大潜力。
 

840

此次,据清华大学介绍,“存算一体片上学习在实现更低延迟和更小能耗的同时,能够有效保护用户隐私和数据。”博士后姚鹏介绍,该芯片参照仿生类脑处理方式,可实现不同任务的快速“片上训练”与“片上识别”,能够有效完成边缘计算场景下的增量学习任务,以极低的耗电适应新场景、学习新知识,以满足用户的个性化需求。而存算一体架构,就如同“在家办公”的新型工作模式,彻底消除了往返通勤的能量消耗,避免了往返通勤带来的时间延迟,还大大节约了办公场所的运营成本,在边缘计算和云计算中有广泛的应用前景。

网友评论

聚超值•精选

推荐 手机 笔记本 影像 硬件 家居 商用 企业 出行 未来
二维码 回到顶部