中文 英语

重新思考机器学习的动力


机器学习消耗的能量正在爆炸式增长,虽然在减少机器学习消耗的能量方面取得了进展,但模型大小和训练集的增长速度更快。即使引进了先进的制造技术、专门的架构和优化技术的应用,这种趋势仍然令人不安。再加上边缘设备的爆炸式增长……»阅读更多

一周回顾:制造,测试


供应链正在从中国转移。根据一份报告,苹果、本田和马自达正准备在不同地区实现生产多元化。另一份报道称,苹果公司计划在印度生产部分新款iPhone 14。墨西哥希望成为美国将芯片制造业迁至本国附近的努力的一部分,邀请美国金融家讨论选举…»阅读更多

人工智能功耗暴增


机器学习正在消耗所提供的所有能源,这是一种昂贵、低效且不可持续的模式。在很大程度上,这是因为这个领域是新的、令人兴奋的、快速增长的。它的设计是为了在精度或性能方面取得新的突破。今天,这意味着更大的模型和更大的训练集,这需要处理过程的指数级增长。»阅读更多

针对工作负载优化芯片架构的挑战


仅通过分别查看硬件或软件来优化系统上运行的工作负载是不可能的。它们需要共同发展,错综复杂地交织在一起,这是一项工程壮举,还需要连接两个有着长期独立运作历史的世界。在计算的早期,硬件和软件是由完全独立的团队设计和构建的……»阅读更多

可编程开销是否值得?


可编程性推动了大多数半导体产品的增长,但它的实际成本是多少?这样的代价值得吗?答案要比简单的效率公式复杂得多。它可以根据应用程序、特定市场中的技术成熟度以及大得多的系统环境而变化。对于一个设计来说重要的东西对于另一个设计来说可能非常不同。»阅读更多

启动资金:2021年7月


今年7月,中国自动驾驶公司获得大笔资金的趋势仍在继续,三家初创公司分别获得了1亿美元或以上的资金,用于汽车的ADAS和计算机视觉。本月,一家电动汽车制造商也得到了巨大的推动,因为它开始生产第一批车型,而大量资金也流向了一家想要回收用完的电动汽车电池的公司……»阅读更多

AI的架构考虑


被称为人工智能(AI)或机器学习(ML)的定制芯片每周都会出现,每种芯片都声称比现有设备快10倍或消耗1/10的功率。这是否足以取代现有的架构(如gpu和fpga),或者它们是否能与这些架构共存尚不清楚。问题,或者说机会在于……»阅读更多

特定领域的记忆


特定于领域的计算可能正在流行,但它回避了真正的问题。更大的问题是内存,它限制了处理器的性能,消耗了更多的能量,占用了最多的芯片面积。内存需要打破现有软件偏爱的刚性结构。当算法和内存一起设计时,性能的改进是显着的,并且对性能有很大的影响。»阅读更多

固件技能短缺


没有优秀软件的优秀硬件是对芯片的浪费,但随着如此多的新处理器和加速器架构的创建,以及如此多的新技能需求,公司发现很难雇用足够多的具有低水平软件专业知识的工程师来满足需求。编写编译器、绘图器和优化软件没有开发新的AI那么有活力……»阅读更多

冯·诺依曼正在挣扎


在一个由机器学习主导的时代,冯·诺依曼架构正在努力保持相关性。世界已经从以控制为中心转变为以数据为中心,这推动了处理器架构的发展。风险投资正涌入领域特定架构(DSA),但传统处理器也在不断发展。对许多市场来说,它们继续提供有效的投资渠道。»阅读更多

←老帖子
Baidu