【芯觀點】後摩爾時代的AI革命:算力需求激增,催生晶片創新

2020-12-16 集微網

1.【芯觀點】後摩爾時代的AI革命:算力需求激增,催生晶片創新

2.OPPO Reno5 Pro硬體參數曝光,搭載聯發科天璣1000+

3.美方通過法案威脅禁止中國公司在美上市?外交部回應

4.彭元:中國半導體差距主要在EDA,設備,材料,模擬晶片

5.搭載天璣1000+,榮耀重組後首款新機已備案

6.京東宣布Redmi Note9 Pro斬獲手機品類單品銷量冠軍


1.【芯觀點】後摩爾時代的AI革命:算力需求激增,催生晶片創新



圖片來源:網絡

機器學習已然無處不在。它藏身於很多智能設備中,一部智慧型手機、一個智能音響、線上購物娛樂的一個個APP裡……它像是虛擬世界和物理世界的「縫合者」,用算法和數據試圖「猜透」人心。

各大廠商對機器學習的熱情越來越高,對算法、算力和數據提出新的要求,尤其是對算力需求的激增,進一步催生相關晶片和專用設備的蓬勃創新,而在後摩爾時代,這種創新或將成為突破算力極限的關鍵。

數據「餵」大的機器智能

什麼是機器學習?簡單來說,機器學習使用算法在數據中發現模式,然後使用一個能識別這些模式的模型對新的數據進行預測。

由此可見,數據是讓一個算法從實驗室走到物理世界的關鍵。數據量、數據多樣性以及規模化的、成本可靠的數據來源渠道等都是影響最終結果的關鍵要素。其中,有一項關鍵的工作需要大量的人力參與——數據的社會化標註。「某種意義上,機器永遠離不開人類。」澳鵬(Appen)中國產品總監張童皓對集微網表示。澳洲公司Appen成立於1996年,多年來一直是AI產業鏈中比較靠前的數據節點來為客戶提供服務,業務涉及提供圖像、文本、語音、音頻、視頻及其他數據收集和標註服務。

眾所周知,神經網絡是當前人工智慧發展的基石技術。「神經網絡的專長就是在像素點裡面嘗試著取出一系列的關鍵點,而這些關鍵點是由人工標註出來的。」張童皓說,「如果你丟給機器一堆無規則的隨機圖片,它永遠都不知道這個圖片裡面有人。」

隨著AI應用要求的不斷提升,訓練的難度和對數據的要求也隨之提升。張童皓告訴集微網,他們曾經為配合一家手機客戶的一項算法訓練提供數據服務,拍攝全世界各地不同經度、不同緯度的月亮照片。「如果採用在一個國家的不同地方所觀察到的月亮,而不是在全球各個地方實地觀察,那麼其標註的數據一旦應用於全世界數據中,錯誤的數據將會給後續一系列應用帶來錯誤的結果。」目前Appen的平臺上有超過100萬名參與人工智慧數據收集、標註的人員,他們來自全球130個國家或地區的7萬多個地方,涵蓋180 多種語言和方言。

機器對數據的「胃口」越來越越大。以谷歌的BERT為例,這是該公司2018年建立並用於其搜尋引擎的AI語言模型,它具有超過3.5億個內部參數,使用33億個文字單詞進行了訓練,大部分來自在線的維基百科。而研究人員稱,如果可以用更大的數據量,比如300億個單詞訓練一個系統,那麼它的性能顯然將更好。而更多的數據意味著需要更多的計算能力來處理這一切。

算力需求激增 催生晶片創新

據《經濟學人》統計,從2012年到2018年,用於訓練大型模型的計算能力已增長了30萬倍,並且約每三個半月翻一番。值得注意的是,支持這一發展速度需要的遠不止摩爾定律所能實現的改進。更何況如今正值摩爾定律走向枯竭之際,如何不斷提升系統性能以滿足人工智慧訓練的需求?後摩爾時代的AI革命顯然需要新的顛覆——從計算架構開始,做算法、硬體和軟體的共同優化變得尤為關鍵。

對算力需求的激增,也進一步催生AI專用晶片和專用設備的蓬勃發展,並促使晶片層面的多種創新。

張童皓也觀察到了晶片技術和機器學習之前的相互影響。他指出,基於機器學習的晶片架構發展,已經從最初的硬體通用化到場景定製化服務,「很多AI行業的領頭羊在特定晶片模組上的投入,都是在服務AI場景化落地。」

比如,蘋果的自研晶片裡有一個專門用於機器學習的處理器——神經引擎,它和CPU、GPU一起處理機器學習所需要的大量的運算。據蘋果公司全球副總裁葛越在今年上海的世界人工智慧大會上透露,該神經引擎每秒鐘可以完成高達五萬億次的運算。此外,谷歌自行設計了TPU(張量處理單元)晶片,百度自行開發的AI晶片「崑崙」。英特爾則在去年12月以20億美元收購了以色列公司哈瓦那實驗室(Habana Labs),該公司的雲端AI推理晶片已經商用。成立於2016年的英國公司Graphcore則正在開發一種新型處理器——IPU(intelligent processing unit,智能處理器),可以幫助加速機器智能產品和服務的開發,該公司2019年的估值已達到20億美元。

此類創新將變得越來越重要,因為AI引發的計算能力需求的激增正值摩爾定律逐漸枯竭之際——在過去50年裡,傳統數字計算機的性能按照摩爾定律一路提升——集成電路(微晶片)的容量大約每18-24個月翻一番。如今,數字計算機性能的發展速度似乎正在放慢。

突破摩爾定律的嘗試

摩爾定律和馮諾依曼架構的瓶頸在算力需求激增之下日益凸顯。尋找新的替代方案突破蠻力計算變得尤為重要。

復旦大學信息學院研究員、新氦類腦智能首席科學家鄒卓教授指出,摩爾定律的挑戰在於——無法承受的能耗密度,原子尺度的尺寸、製程、器件的不穩定性和偏差,以及比例縮小並沒有帶來實質性的性能提升,高昂的研發和製造成本。與此同時,馮諾依曼計算架構不斷抵近極限,即內存的讀取速度和晶片的處理速度漸漸難以實現同步。

量子計算是一種解決方式——利用量子力學的反直覺特性來大幅加速某些類型的計算。比如,微軟研究院量子架構與計算小組負責人提出一種稱為葛洛沃算法(Grover's algorithm)的量子計算技術,該技術有望大大提高計算速度。因為關於機器學習的一種思考方式是將其視作優化問題,即計算機試圖在數百萬個變量之間折中取捨,以求出誤差儘可能小的解

另一種思路則是從生物學中得到啟發。這個領域以大腦的神經網絡架構為基礎開發下一代計算機。神經形態計算聚焦脈衝神經網絡(spiking neural network,SNN)被業界稱作第三代神經網絡

「生物是很高效的計算系統。」鄒卓指出,藉助類腦技術大規模並行、事件驅動、實施環境交互、感算存緊密耦合協同等特點,開發能夠如人腦般感知、傳遞、處理和運用信息的智能晶片與系統,有望突破摩爾定律以及馮諾依曼架構的瓶頸。

「像人腦一樣的存算一體,打破了傳統馮諾依曼架構存儲計算分離的架構,這是類腦計算的核心突破。」新氦類腦智能企業戰略總監程韞韻對集微網解釋,存算一體的模式,即把內存和計算單元兩者作為一個單元,不會因計算任務的架構複雜化而功耗激增,這也讓計算耗電和散熱兩大難題找到了新的方向。

Facebook內部做過一項統計,其AI負責人曾透露,該公司那些最大型的模型進行一輪訓練可能需要耗費數百萬美元的電力。相比之下,同樣的情況人腦消耗的能量可能僅需其千分之一。

看起來,這似乎在突破蠻力計算上充滿潛力,近年來不少科技公司也都涉足研究「神經形態」晶片。

2011年,IBM發布了TrueNorth晶片。2014年TrueNorth更新了第二代,功耗達到了平方釐米消耗20毫瓦,印證了類腦晶片的低功耗價值,也在一些AI任務上印證了類腦晶片的實際工作能力。緊隨其後的是英特爾。2017年,英特爾發布了類腦晶片Loihi,其擁有13萬個人造突觸。2019年7月,英特爾又發布了首個大規模神經形態計算系統Pohoiki Beach。該系統由64塊Loihi組合而成,可以在自動導航、陸續規劃等需要高效執行的AI任務中帶來高於GPU的功耗和處理能力。此外,高通也開發過名為Zeroth的類腦晶片。中國業界在該領域也加緊投入,如浙大的「達爾文」晶片、清華的「天機」晶片等都已在路上。其中清華的「天機」晶片作為全球首款異構融合類腦晶片去年登上了《自然》(Nature)雜誌封面。

但需要指出的是,這一切都尚未成熟。量子計算的應用落地還面臨很多工程設計問題。類腦智能層面,一方面科學家仍然不完全了解大腦究竟是怎麼工作的,另一方面適配類腦計算的架構、算法、編程方案等等也處在廣泛的空白期。

顯然,找到繞開比特編程和摩爾定律的替代方案,並使之從實驗室步入現實世界,還有很長的路要走。

(校對/零叄)


2.OPPO Reno5 Pro硬體參數曝光,搭載聯發科天璣1000+

集微網12月3日消息,OPPO官方今天正式宣布將於12月10日發布OPPO Reno5系列,目前已知該系列有一款機型叫做Reno5 Pro。

據知名數碼博主 @數碼閒聊站 爆料稱,Reno5 Pro用上了6.5英寸的曲面屏(支持90Hz的刷新率),機身三圍是159.7x73.2x7.6mm,重量為173g,機身提供星河入夢、月夜黑、極光藍三種配色。

圖片來源:微博

值得一提的是,Reno5 Pro的機身還採用了全新「星鑽煥彩」工藝,它在「Reno Glow晶鑽工藝」基礎上工藝上晶體更大、更規整,手感也將更細膩舒適。 

配置方面,Reno5 Pro搭載聯發科天璣1000+晶片,它採用了ARM Cortex-A77大核架構,而且為4大核+4 A55小核的8核心設計,A77大核全部達到2.6GHz主頻,性能相比A76架構提升20%,不僅支持5G雙載波聚合,還支持5G+5G的雙卡雙待。

Reno5 Pro內置4350毫安時電池,支持65W的快充功率,預裝基於Android11深度定製的ColorOS11。

圖片來源:OPPO官網

拍照方面,Reno5 Pro後置6400萬像素+800萬像素+200萬像素+200萬像素的鏡頭組合,前置3200萬像素的鏡頭,從官方的宣傳看,Reno5 Pro在視頻拍攝領域將有不俗的表現。

至於大家關心的價格,目前尚未有這方面的消息流出,集微網也將持續關注Reno5 Pro的最新動態。 (校對/Wilde)


3.美方通過法案威脅禁止中國公司在美上市?外交部回應

集微網消息,據財聯社報導,今日外交部發言人華春瑩主持例會,有記者問及美國眾議院周三通過了一項法案,要求一些中國公司遵守美國審計標準,否則將被禁止在美國證券交易所上市。中方對此有何評論?會否作出反擊?

圖源:網絡

對此,華春瑩回應稱,美方行動只不過就是美國對中國的企業進行政治打壓的一個具體的行動,也是希望遏制中國發展的具體表現。我們堅決反對美方將證券監管政治化的做法,該案如果最終成法將嚴重削弱全球投資者對於美國資本市場的信心,最終將損害美國資本市場的國際地位,損害美國自身的利益。

另外,她強調,我們希望美方看清形勢,為外國企業在美國的投資經營提供公平公正非歧視的環境,而不是設置層層的障礙。中方當然將會採取必要措施維護自身的正當的合法權益。

據悉,美國參議院於今年5月份便通過了上述法案,如果上市公司會計監督委員會連續三年無法檢查公司的審計工作,則該公司的證券將被禁止。

(校對/零叄)


4.彭元:中國半導體差距主要在EDA,設備,材料,模擬晶片



圖源:集微網

集微網消息,上海微技術工業研究院戰略投資部主任彭元在2020半導體先進位造產業鏈協同發展論壇上發表主題為「資本驅動下的超越摩爾領域的平臺+創客」的演講。

彭元指出,中國在半導體領域的差距主要在EDA軟體,設備,材料,模擬晶片這四個方面。設計與封測方面差距較小,容易追趕。他表示,設備材料支撐產業鏈創新發展,新應用新器件驅動設備材料創新。

彭元指出,8/6寸設備存在時間窗口期內的市場機會。中國每年超越摩爾設備市場規模33億美元,每一細分領域約2-3億美元。2018年全球半導體器件細分市場,大模擬器件佔半導體銷售額約30%,約1350億美元,CAGR 8.8%,僅次於存儲器。

彭元表示,中國大陸對模擬設備需求大。2019年中國大陸半導體市場規模達134.5億美元,同比增長3%,市場規模排名全球第二。半導體材料市場規模約86.9億美元,同比增長1.9%,排名全球第三。

針對超越摩爾領域的創新創業,彭元認為有以下特點和問題。

特點:產品跟工藝相關度高;品種多,單一品種產量不大;傳統大廠多為IDM模式,折舊已完成,品種齊全,量大。

問題:小團隊即使做得出產品也不容易生存和發展;代工廠不支持工藝創新,價格高,對小公司支持不夠。

(校對/零叄)


5.搭載天璣1000+,榮耀重組後首款新機已備案

集微網12月3日消息,據數碼博主爆料,榮耀重組獨立後第一款新機備案了,代號YORK,型號YOK-AN10,命名應該是榮耀V40。原本不止這一個型號的,麒麟版本砍掉只剩天璣了。 

圖源:微博

據爆料消息,榮耀V40系列將採用6.72英寸FHD+解析度的雙挖孔曲面屏,其中超大杯榮耀V40Pro+或將支持120Hz高刷屏,或將成為榮耀包括華為目前所有手機中,第一款支持120Hz刷新率的手機。

圖源:微博

榮耀V40前置3200萬像素單攝,V40Pro與V40Pro+則前置3200萬像素主攝+TOF3D攝像頭組成的雙攝。V40和V40Pro後置由6400萬像素主攝+1200萬像素超廣角+10倍光學變焦攝像頭組成的三攝模組,V40Pro+則後置由4800萬像素大底主攝+1200萬像素超廣角+10倍光學變焦攝像頭的組合。此外還有傳聞稱,其後置主攝為一枚5000萬像素的RYYB傳感器。

榮耀V40系列將採用與Mate40Pro同款66W快充,並且還會支持40W無線充電,相機方面沒有具體參數,僅爆出主攝為一顆5000萬像素RYYB的鏡頭。

榮耀V40全系搭載搭載天璣1000+處理器, 天璣1000+在原有天璣1000的基礎上,對5G、顯示、遊戲、視頻四大方面進行了升級強化。聯發科天璣1000+採用了A77+G77高性能核心,CPU為4×A772.6GHz+4×A552.0GHz的八核心架構,GPU為Mali-G77圖形處理器。

圖源:微博

據數碼博主爆料,榮耀V40系列的發布時間已經基本定下來了,在明年1月份發布,榮耀獨立後的首款機型,值得期待。(校對/Wilde)


6.京東宣布Redmi Note9 Pro斬獲手機品類單品銷量冠軍

集微網12月3日消息,京東手機通訊官方微博近日宣布12月1日開售的Redmi Note9 Pro斬獲京東手機品類單品銷量冠軍。

圖片來源:微博

外觀方面,Redmi Note9 Pro用上了一塊6.67英寸的小孔全面屏,解析度為2400x1080,屏幕刷新率高達120Hz,觸控採樣率為240Hz,這塊屏幕支持360°超光感,連逆光都可以精準感知,屏幕亮度調節精準。最低至1nit的屏幕亮度,暗光下不刺眼,屏幕調至高亮時,陽光下依然看得清。通過權威機構認證的低藍光屏,降低藍光帶來的不可逆傷害。

Redmi Note9 Pro的三圍是165.38x76.8x9.0mm,重量為215g,機身提供湖光秋色、碧海星辰、靜默星空三種配色。

配置方面,Redmi Note9 Pro搭載高通驍龍750G處理器,它採用了先進的 CPU、GPU 架構,均與驍龍 865 同代。因此數據運算、圖像處理能力全面躍升,跑分高達 35 萬+,內置4820mAh電池,支持33W快充,58分鐘即可充滿電,預裝基於Android10作業系統深度定製的MIUI12,線性馬達、立體雙揚聲器、立體液冷散熱、多功能NFC、雙精準定位、側邊指紋等特性均沒有缺席。

相機方面,Redmi Note9 Pro後置全場景AI四攝,由108MP主攝+8MP超廣角+2MP微距+2MP人像景深鏡頭組成,人像美顏、超級夜景2.0等,前置16MP鏡頭,支持AI 人景分離、前置美顏等。

售價方面,Redmi Note9 Pro的6+128GB售價1599元,8+128GB售價1799元,8+256GB售價1999元。 

(校對/零叄)


相關焦點

  • 一篇論文引發的光子 AI 晶片革命,劍指摩爾定律
    但這是晶片製造商及供應商竭力維繫摩爾定律的結果,隨著逼近物理尺寸極限、散熱難題即將成為無法克服的挑戰,以及許多關鍵的計算密集型應用發展提速,人們對摩爾定律的未來產生了更多疑慮,對晶片技術創新的需求也愈發迫切。
  • AI產業化進入深水區,算力瓶頸如何破?
    ,後疫情時代,AI產業化進入深水區。為什麼在AI產業化進入深水區後,算力成為最大的制約因素? 首先,算力外的要素,如數據、場景、人才、算法都得到了一定程度的解決。AI產業化時代,計算量會指數級增長,傳統雲計算、數據中心等傳統基礎設施架構下的算力已無法滿足需求。 最後,撲面而來的5G時代也是AIoT時代,自動駕駛、智能製造、智慧能源、智能物流與智能城市等等新應用爆發,更多的設備、更多的場景、更多的數據,意味著更多的計算需求,同時,邊緣智能變得越來越重要,原來的集中計算模式已難以滿足。
  • 「後摩爾」時代挑戰:一款晶片難打天下
    過去的50年,計算機的底層元件都遵從著「摩爾定律」,即在價格不變的情況下,集成在晶片上的電晶體數量每隔18到24個月將增加一倍,計算成本呈指數型下降。但事物發展終有它的極限。隨著工藝從微米級到納米級,電晶體中原子數量越來越少,種種物理極限制約著它的進一步發展,「後摩爾」時代正式來臨。
  • 看這場AI晶片之爭:混亂不是深淵,混亂是階梯
    IT革命中每十年就產生一波新的浪潮,每個新平臺都會創造更大的財富,催生新的巨頭,但只有極少數公司可以成功越過浪尖,爬到下場盛宴的鐵王座;某種程度上,人類都能一起共享"革命"帶來的碩果,但只有極少數人能"乘風馭浪",握享時代的榮光!回到現實中,自2007年iPhone誕生以來,移動網際網路也接近"十年之變"。
  • 比摩爾定律快得多:為什麼要將AI算力擴展至ExaFLOPs百億億次量級?
    rprEETC-電子工程專輯當通用計算逐漸在性能、能效比提升逐年放緩的情況下,摩爾定律放緩、登納德縮放定律失效,被人們每每提及的「架構革新」成為一種必然。Graphcore的IPU可算是當代「架構革命」的先驅之一。Graphcore的架構革命究竟能帶來什麼?rprEETC-電子工程專輯
  • 清華高濱:基於憶阻器的存算一體單晶片算力可能高達1POPs | CCF-G...
    高教授表示:「近幾年AI對算力的需求是爆炸式的增長。晶片算力的提升與需求增長之間有一個很尖銳的矛盾。」這個尖銳的矛盾主要有兩個原因:摩爾定律放緩以及馮諾依曼架構帶來的存算分離局限。這讓晶片面臨著算力和能效兩大挑戰。要解決矛盾和挑戰,需要三大基石都革新的存算一體計算機。
  • AI時代的摩爾定律?黃氏定律預測AI性能將逐年翻倍
    後來廣為人知的每18個月晶片性能將提高一倍的說法是由英特爾CEO大衛·豪斯(David House)提出。過去的半個多世紀,半導體行業按照摩爾定律發展,並驅動了一系列的科技創新。有意思的是,在摩爾定律放緩的當下,以全球另一大晶片公司英偉達(NVIDIA)創始黃仁勳(Jensen Huang)名字命名的定律「黃氏定律 (Huang’s Law)」對AI性能的提升作出預測,預測GPU將推動AI性能實現逐年翻倍。
  • 「芯視野」後摩爾時代,自旋晶片能否成為主流晶片?
    進入10nm工藝製程之後,摩爾定律似乎失效了,處理器性能翻一倍所需時間由原來的兩年延至三年,半導體晶片產業發展遇到了技術瓶頸。而以MRAM為代表的自旋晶片卻在快速發展,在後摩爾時代,自旋晶片有可能突破微電子器件的限制,成為主流晶片嗎?
  • 看懂未來十年AI晶片趨勢!GTIC 2020 AI晶片創新峰會成功舉行
    1、智能計算時代到來,算力引擎急需突圍在本屆峰會上,除了尹首一教授為大家帶來中國AI晶片創新之路的深度思考外,壁仞科技聯合創始人、總裁徐凌傑,以及黑芝麻智能科技CMO楊宇欣也分別分享了各自在AI晶片創新上的經驗。
  • 趨動科技:用軟體定義AI晶片資源池滿足底層算力需求
    隨著AI技術不斷迭代更新,對底層算力的需求也越來越大。2020年7月9日,英偉達市值首次超過英特爾,成為半導體領域市值第二的企業(第一名是臺積電)。有關人士分析,英偉達的崛起離不開AI產業的發展。英偉達主攻的GPU在算力上約超出CPU2~3個數量級,與AI產業結合效果更佳,這也是英偉達能夠在當前市場以底層算力晶片贏得高速發展的重要原因。 但是,算力更強的GPU晶片也暴露出另一個顯著問題:利用率低。「AWS在2018年放出的一組數據顯示,其GPU產品平均利用率僅為10~30%。
  • 後摩爾定律時代的計算力破局
    當摩爾定律逐漸失效 過去的半個世紀,得益於半導體晶片產業飛速發展,在摩爾定律的驅動下,計算力一直保持著大跨度的發展。1956年,英特爾創始人戈登·摩爾提出,集成電路的集成度每兩年會翻一番,後這個周期縮短到18個月,微處理器的性能每隔18個月提高1倍。
  • 英偉達「黃氏定律」讓未來的AI算力每年能夠提升一倍
    英偉達「黃氏定律」讓未來的AI算力每年能夠提升一倍 李澤南 發表於 2020-12-20 07:30:00 今年的 GTC China 黃仁勳沒有露面,但黃式定律無處不在
  • AI晶片2019年的六大關鍵詞和2020年的四大趨勢
    他還表示:「通過軟體和硬體的結合,我們可以讓摩爾定律的提升變成十倍。」 對於AI晶片而言,架構創新的重要價值之一在於解決內存牆挑戰。AI晶片公司沒讓我們等太久,2019年5月,耐能發布了架構具有創新性的物聯網專用AI SoC,耐能稱為可重組的架構能夠讓晶片像積木一樣組合,既能滿足語音,也能滿足視覺的需求。
  • ...形成規模效應;百舸爭流,奮楫者先:探索中國AI晶片崛起新動能;集...
    以軟體立身的網際網路科技巨頭百度是國內最早部署GPU/FPGA集群的網際網路公司,早在2011年穀歌開發自己的TPU時,也許英雄所見略同,百度也早早察覺到從晶片層實現軟硬體結合的潛力。中國芯 中國造人工智慧迎來了爆發式發展,背後始終離不開三大元素的支持,即算法、算力和數據。其中,算法、算力都與晶片密不可分,其重要性自然不言而喻。
  • 談談「後浪」眼中的先進位造技術
    「黑天鵝」新冠疫情來勢洶洶,口罩等防疫物資出現極大缺口,為應對激增的需求量,國內許多企業加班加點設計圖紙並對設備進行改進,確保在極短時間內提高產能。 新冠疫情迫使人們不得不停下匆忙的腳步,利用空餘的時間來思考一些人生的問題。於此同時,作為一名技術「後浪」也在思考:站在時代的分叉口,未來十年的製造技術將經歷怎樣的發展與變革?
  • 賽靈思姚頌:數字AI晶片進步趨緩,顛覆式創新難:GTIC2020
    以下為姚頌演講實錄整理: 一、 AI和晶片互相需要,算力仍有很大提升空間 姚頌認為,AI和晶片緊密相連,AI需要晶片,晶片需要AI。以AlphaGo Zero舉例,該算法用了1750億個參數,有非常龐雜的神經網絡,對算力的需求還需要非常多倍數的提升。 因此當前業界對AI晶片的算力需求還有很大的提升空間,絕不僅僅是現在看到很多公司出來做AI晶片,這個事情就結束了。
  • 「後摩爾時代」的戰略性新材料研究
    更小的電子元器件意味著在同樣大小的晶片中,可以集成的器件更多,實現的功能也更強大,這樣指數級的發展趨勢也被人們稱為「摩爾定律」。但是,基於目前使用的材料,電子元器件繼續微縮將面臨漏電等諸多挑戰,很快將到達最小化的極限,「摩爾定律」正在走向終結,人類社會也正在步入「後摩爾時代」。  在後摩爾時代,主要的技術發展趨勢將沿著兩條道路。
  • 中國AI算力佔全球三成!IDC 最新報告解讀,算力仍是AI發展最強推力
    數據顯示,2012~2018年晶片的計算性能提升的30多倍,但從AlexNeT到AlphaGo Zero,算法對算力的需求卻提升了30萬倍,近期熱門的GPT-3的訓練數據量和模型規模也十倍、千倍地增長。
  • AI晶片需求增長,探境科技的商業化落地實踐 | 愛分析訪談
    調研 | 張揚 施堯 王磊  撰寫 | 王磊  「  隨著AI 算法不斷升級,傳統晶片已逐漸無法滿足AI算法對算力的要求,從而催生了對AI晶片的迫切需求。  正是看準了市場對AI晶片的需求,有著20年晶片從業經驗的魯勇博士在2017年創立了探境科技。探境科技研發的AI晶片通過創新的SFA架構,突破了傳統AI晶片的「內存牆」問題,具有性能高、功耗低等優點,可以支撐複雜的AI算法。2019年,創立僅兩年的探境科技已實現AI語音晶片的量產供貨,AI圖像晶片也成功流片。  除了晶片,探境也提供深度學習算法。
  • 光子晶片研究進展及展望:面向未來的計算系統,光計算具有天然優勢
    而目前馮 諾依曼架構和哈佛架構的電子計算機存在傳輸瓶頸、功耗增加以及算力瓶頸等問題,已越來越難以滿足大數據時代對算力與功耗的需求,因此提高運算速度同時降低運算功耗是目前面臨的緊要問題。