嵌入式AI
元宇宙时代,缺这样一颗「专用」芯片
原文:
https://www.jiqizhixin.com/articles/2022-04-26-6
AR 行业是否到了需要一颗专用芯片的拐点?近期,Rokid 与安谋科技联合造芯的消息,把这一话题抛到了行业聚光灯下。
2017 年,就在苹果凭借 iPhone 和 Apple Watch 中的自研芯片斩获成功果实时,其 Mac 产品却在性能优化升级过程中遇到瓶颈。
自加入苹果后,芯片工程师斯鲁吉就一直致力于根据苹果设备的特定需求设计芯片,而不是使用满足通用要求的芯片。
当时,斯鲁吉启动了一项风险很大的项目:用自研的 M1 芯片取代苹果笔记本电脑和台式机 15 年来使用的英特尔处理器。
这一震惊 PC 行业的决定不仅使苹果跟其他竞争对手拉开巨大的领先优势,也为其进军汽车、VR 等潜在未来产品打下基础。
AMD 5nm计算卡疯狂堆料:20颗芯片、2750mm2面积史无前例
原文:
https://www.cnbeta.com/articles/tech/1263485.htm
MI300内部可以大致分为三层结构,底层是庞大的中介层(Interposer),面积约2750平方毫米,MLID直言这是他见过的最大的。
中介层之上,是一系列6nm工艺的Base Die(基础芯片),也可以叫做区块(Tile),集成负责输入输出的IO Die、其他各种IP模块、可能的缓存,每个区块面积约320-360平方毫米。
每个6nm区块之上,是两个5nm工艺的Compute Die(计算芯片),单个面积约110平方毫米,内部就是各种计算核心和相关模块,但据说可以定制选择不同的模块,满足不同计算需求。
迈向模仿人脑的光电芯片:对一位热衷于改进 SNN 的 NIST 研究人员的采访
原文:
https://www.jiqizhixin.com/articles/2022-04-24-2
cIEEE Spectrum 最近与美国国家标准与技术研究院(NIST)的物理学家 Jeffrey Shainline 进行了交谈,他的工作可能会对这个问题有所启发。
Shainline 正在研究一种可以为高级形式的人工智能提供支持的计算方法——所谓的脉冲神经网络(spiking neural networks,SNN),与现在广泛部署的人工神经网络相比,它更接近地模仿大脑的工作方式。今天,主流的模式是使用在数字计算机上运行的软件来创建具有多层神经元的人工神经网络。这些「深度」人工神经网络已被证明非常成功,但它们需要大量的计算资源和能量才能运行。这些能源需求正在迅速增长:尤其是训练深度神经网络所涉及的计算变得不可持续。
AI热点
Meta开启长期AI研究项目 欲让人工智能像大脑一样处理语音和文本
原文:
https://www.cnbeta.com/articles/tech/1263877.htm
周四,Meta 宣布了一项长期的人工智能研究计划。为了解更多关于“人脑是如何处理语音和文本信息”的过程,以改进人工智能语言模型处理相同输入的方式,该公司还与 NeuroSpin 和 Inria 达成了合作。Meta 表示,尽管 AI 模拟软件研究已经走过了很长一段路,但其在语言学习方面仍远不及生物大脑。
元宇宙中的这些新物种流派来了
原文:
https://www.jiqizhixin.com/articles/2022-04-11-2
宇宙有多火,已经无需赘言。似乎不投元宇宙的VC,已经是古典VC,没听过元宇宙,和没听过互联网一样out了。
不过,一千个人心中有一千个元宇宙,如何定义它,它又如何从概念落地为应用呢?科幻电影《头号玩家》是最接近元宇宙想象的影视模型,故事虽然偏赛博朋克,但它提及的平行世界和元宇宙的设想不谋而合。
Metaverse元宇宙,meta指“超越”,universe指“宇宙”。原始概念来自于1992年的一部美国小说《雪崩》。这部小说描述了一个相对现实世界平行但又超越其上的虚拟世界,即虚拟世界原样复制了现实中所有的一切,同时又有了新的创造。这其中不乏何显神通的各大新物种流派。
Anthropic 公司研究人员从简单的 AI 中获得关于 Transformer 的新理解
原文:
https://www.jiqizhixin.com/articles/2022-04-28-4
在过去的两年里,人工智能程序的语言流畅度达到了惊人的水平。其中最大和最好的都是基于 2017 年发明的称为 Transformer 的架构。它以方程式列表的形式作为程序遵循的一种蓝图。
现在,来自 Anthropic 公司的研究人员进行的两项研究,已经开始从根本上弄清楚 Transformers 在处理和生成文本时在做什么。在他们于 12 月发布的第一篇论文中,作者着眼于架构的简化版本并充分解释了它们的功能。以色列海法理工学院的 Yonatan Belinkov 说:「它们很好地描述了它们在非常简单的情况下是如何工作的……我对这项工作感到非常积极。它很有趣,有点独特和新颖,很有前途。」
免责声明:本文系网络转载,版权归原作者所有。如涉及作品版权问题,请与我们联系,我们将根据您提供的版权证明材料确认版权并支付稿酬或者删除内容。