吊打IBM的晶片 中國研發出第一款類腦晶片
OFweek電子工程網訊 人工智慧技術(AI)現在已是火得不要不要的,各種感測器,機器學習,週邊設備五花八門,可是,其核心的資料處理硬體架構仍基於經典的馮·諾依曼結構。馮·諾依曼結構已有七八十年歷史,這就好比已經直立行走的智人,仍長著一顆猩猩的腦袋。
這就出現了馮·諾依曼瓶頸,也就是說CPU再快,也要等記憶體,因為CPU和記憶體之間的性能差距越來越大。
馮·諾依曼結構
馮·諾依曼結構中,計算模組和存儲單元是分離的,CPU在執行命令時必須先從存儲單元中讀取資料。每一項任務,如果有十個步驟,那麼CPU會依次進行十次讀取,執行,再讀取,再執行。.. 這就造成了延時,以及大量功耗(80%)花費在了資料讀取上,當然多核、多CPU或一些常用資料的就地存儲會一定程度上緩解這些問題,但這種中心處理的架構會限制處理能力的進一步發展,好比諾大個北京城,如果所有的政治、經濟、文化活動都集中在市中心,為了生活,人們必須穿城而過,任你路修到二十環,還是一個詞,堵死。
學術界和工業界出現了向人類大腦學習體系結構的趨勢,大腦的處理單元是神經元,記憶體就是突觸。神經元和突觸是物理相連的,所以每個神經元計算都是本地的,而且從全域來看神經元們是分散式在工作。
神經元和突觸
前幾年轟動全球的IBM的仿人腦晶片TrueNorth也模仿了人類大腦的神經元結構,它的計算效率和可擴展性都遠超現在的電腦,並且宣稱可用於手勢識別、情緒識別、圖像分類和物件追蹤、即時語音辨識等領域。
而矽谷密探今天採訪的團隊AI-CTX,他們的模型基於億萬個可以相互連接的仿生神經元,每個神經元都具有跟人腦神經元類似的電學特性與動態參數,具有簡單的運算與存儲功能,這些神經元像大腦神經元一樣,通過脈衝相互溝通。
在現實層面,他們的每個晶片可以搭載百萬個神經元,億萬個神經突觸,可以自由擴展的晶片網路又如同大腦皮層的不同的區域,分別在不同的層級上, 可以並行的,同時的處理任務,從而指數型地提高了資料處理的效率。又因各個指令及相應資料都存儲在同一晶片中,所有的計算資源不會因為等待存儲訪問而導致浪費,功耗也比現在基於馮·諾依曼硬體架構的處理器低兩到三個數量級。
這就出現了馮·諾依曼瓶頸,也就是說CPU再快,也要等記憶體,因為CPU和記憶體之間的性能差距越來越大。
馮·諾依曼結構
馮·諾依曼結構中,計算模組和存儲單元是分離的,CPU在執行命令時必須先從存儲單元中讀取資料。每一項任務,如果有十個步驟,那麼CPU會依次進行十次讀取,執行,再讀取,再執行。.. 這就造成了延時,以及大量功耗(80%)花費在了資料讀取上,當然多核、多CPU或一些常用資料的就地存儲會一定程度上緩解這些問題,但這種中心處理的架構會限制處理能力的進一步發展,好比諾大個北京城,如果所有的政治、經濟、文化活動都集中在市中心,為了生活,人們必須穿城而過,任你路修到二十環,還是一個詞,堵死。
學術界和工業界出現了向人類大腦學習體系結構的趨勢,大腦的處理單元是神經元,記憶體就是突觸。神經元和突觸是物理相連的,所以每個神經元計算都是本地的,而且從全域來看神經元們是分散式在工作。
神經元和突觸
前幾年轟動全球的IBM的仿人腦晶片TrueNorth也模仿了人類大腦的神經元結構,它的計算效率和可擴展性都遠超現在的電腦,並且宣稱可用於手勢識別、情緒識別、圖像分類和物件追蹤、即時語音辨識等領域。
而矽谷密探今天採訪的團隊AI-CTX,他們的模型基於億萬個可以相互連接的仿生神經元,每個神經元都具有跟人腦神經元類似的電學特性與動態參數,具有簡單的運算與存儲功能,這些神經元像大腦神經元一樣,通過脈衝相互溝通。
在現實層面,他們的每個晶片可以搭載百萬個神經元,億萬個神經突觸,可以自由擴展的晶片網路又如同大腦皮層的不同的區域,分別在不同的層級上, 可以並行的,同時的處理任務,從而指數型地提高了資料處理的效率。又因各個指令及相應資料都存儲在同一晶片中,所有的計算資源不會因為等待存儲訪問而導致浪費,功耗也比現在基於馮·諾依曼硬體架構的處理器低兩到三個數量級。