AI晶片的過去和未來，看這篇文章就夠了
https://mp.weixin.qq.com/s/I8fqEschdOVM-0iFgvbO8w
目前所有電腦，包括以上談到的所有晶片，都基於馮·諾依曼架構。然而這種架構並非十全十美。將CPU與記憶體分開的設計，反而會導致所謂的馮·諾伊曼瓶頸（von Neumann bottleneck）：CPU與記憶體之間的資料傳輸率，與記憶體的容量和CPU的工作效率相比都非常小，因此當CPU需要在巨大的資料上執行一些簡單指令時，資料傳輸率就成了整體效率非常嚴重的限制。
既然要研製人工智慧晶片，那麼有的專家就回歸問題本身，開始模仿人腦的結構。人腦內有上千億個神經元，而且每個神經元都通過成千上萬個突觸與其他神經元相連，形成超級龐大的神經元回路，以分散式和並髮式的方式傳導信號，相當於超大規模的平行計算，因此算力極強。人腦的另一個特點是，不是大腦的每個部分都一直在工作，從而整體能耗很低。
這種類腦晶片跟傳統的馮·諾依曼架構不同，它的記憶體、CPU和通信部件是完全集成在一起，把數文書處理器當作神經元，把記憶體作為突觸。除此之外，在類腦晶片上，資訊的處理完全在本地進行，而且由於本地處理的資料量並不大，傳統電腦記憶體與CPU之間的瓶頸不復存在了。同時，神經元只要接收到其他神經元發過來的脈衝，這些神經元就會同時做動作，因此神經元之間可以方便快捷地相互溝通。
#FPGA晶片, ASIC晶片, 類腦晶片, von Neumann bottleneck
https://mp.weixin.qq.com/s/I8fqEschdOVM-0iFgvbO8w
目前所有電腦，包括以上談到的所有晶片，都基於馮·諾依曼架構。然而這種架構並非十全十美。將CPU與記憶體分開的設計，反而會導致所謂的馮·諾伊曼瓶頸（von Neumann bottleneck）：CPU與記憶體之間的資料傳輸率，與記憶體的容量和CPU的工作效率相比都非常小，因此當CPU需要在巨大的資料上執行一些簡單指令時，資料傳輸率就成了整體效率非常嚴重的限制。
既然要研製人工智慧晶片，那麼有的專家就回歸問題本身，開始模仿人腦的結構。人腦內有上千億個神經元，而且每個神經元都通過成千上萬個突觸與其他神經元相連，形成超級龐大的神經元回路，以分散式和並髮式的方式傳導信號，相當於超大規模的平行計算，因此算力極強。人腦的另一個特點是，不是大腦的每個部分都一直在工作，從而整體能耗很低。
這種類腦晶片跟傳統的馮·諾依曼架構不同，它的記憶體、CPU和通信部件是完全集成在一起，把數文書處理器當作神經元，把記憶體作為突觸。除此之外，在類腦晶片上，資訊的處理完全在本地進行，而且由於本地處理的資料量並不大，傳統電腦記憶體與CPU之間的瓶頸不復存在了。同時，神經元只要接收到其他神經元發過來的脈衝，這些神經元就會同時做動作，因此神經元之間可以方便快捷地相互溝通。
#FPGA晶片, ASIC晶片, 類腦晶片, von Neumann bottleneck
留言
張貼留言