作者最新文章


打破AI记忆墙


在过去的几十年里,半导体行业见证了存储技术的快速发展,因为新的内存有助于引入每个十年的新使用模式。例如,同步内存在20世纪90年代帮助推动了个人电脑(PC)革命,而在21世纪初,用于游戏机的专用图形内存(gpu)也很快紧随其后。当sm……»阅读更多

人工智能如何影响记忆系统


在整个80年代和90年代早期,计算机系统被相对较慢的CPU性能所限制,从而限制了应用程序的功能。在摩尔定律的推动下,晶体管数量多年来显著增加,提高了系统性能,并实现了令人兴奋的新的计算可能性。尽管计算能力在最近有了显著的进步……»阅读更多

2018年及以后的数据中心


随着计算的不断发展,许多趋势不断挑战着传统的冯·诺依曼体系结构的设计,反过来又推动着新的体系结构方法和技术的发展。其中包括人工智能(AI)、机器学习、AR/VR、物联网、高速金融交易、自动驾驶汽车和区块链/c……»阅读更多

摩尔定律和登纳德比例定律之后是什么?


几十年来,摩尔定律一直是半导体行业的重要支柱,帮助推动了计算性能的不断进步。然而,大多数行业专家都认为,由于物理限制和经济因素的综合作用,摩尔定律正在逐渐消失。随着大约10年前Dennard Scaling的损失,该行业正处于危急关头……»阅读更多

为更高效的数据中心提供更快的SerDes


随着登纳德缩放(Dennard Scaling)的衰落和摩尔定律(Moore’s Law)的衰落,不断发展的数据中心给系统架构师带来了一系列严峻的挑战。其中包括数据的指数级增长,不断变化的架构瓶颈,以及在相同的功率和热范围内对更高性能的永无止境的需求。物联网(IoT),大数据分析,内存计算和机器…»阅读更多

从数据中心到移动边缘


物联网的核心是低功耗和高性能(LPHP)需求之间的复杂相互作用,这是一个复杂的挑战,根源于物联网本身的事实上的分歧。例如,低功耗的移动设备、系统和精简终端构成了面向前端的消费基础设施的绝大多数,而后端的高性能服务器则占绝大多数。»阅读更多

移动性能瓶颈驱动芯片和系统架构的变化


20世纪80年代,个人计算的兴起——以及图形用户界面(gui)和从办公应用程序到数据库的应用程序——推动了对更快芯片的需求,这些芯片能够消除处理瓶颈,并提供更灵敏的终端用户体验。事实上,自1981年IBM推出个人电脑以来,半导体行业已经取得了长足的进步. ...»阅读更多

用智能数据加速解决现代瓶颈


在过去的30年里,摩尔定律的不断发展推动了晶体管数量的显著提高,并最终提高了处理器的性能。CPU性能通常是决定整体系统性能的主要因素,这让我们相信更好的CPU会带来更好的系统性能。但是,随着处理器变得越来越强大,其他子系统还没有跟上时代。»阅读更多

为数据密集型应用程序探索系统架构


数字数据的指数级增长是由许多因素驱动的,包括蓬勃发展的物联网(IoT),以及越来越依赖从超大数据集中提取的复杂分析。IDC分析师认为,数字数据大约每两年翻一番,这或许并不令人意外。这种戏剧性的增长继续挑战,在某些情况下,甚至超过了行业上限……»阅读更多

Baidu