1. 首頁 > 生活百科 > >

全球首款熱力學計算芯片成功流片，能效可提升1000倍

人工智能ai芯片熱力學it芯片

全球首款熱力學計算芯片成功流片，能效可提升1000倍


8月18日消息 ， 美國芯片設計企業Normal Computing 近日宣布 ， 全球首款熱力學計算芯片“CN101”成功完成流片（Tape-out） 。這是一款專為 AI 與高性能計算（HPC）數據中心設計的 ASIC ， 基于Normal Computing的 Carnot 架構 ， 旨在通過利用物理系統的內在動力學并在目標 AI 和科學計算工作負載上實現高達1000倍的能耗效率來加速計算任務 。
Normal Computing表示 ， 傳統的是CPU 和 GPU 需要消耗大量能量來強制執行確定性邏輯計算 ， 而“CN101”這樣的熱力學芯片則是更接近量子計算與概率計算領域 ， 基于物理ASIC利用波動、噪聲和隨機性等自然動態的隨機性來加速AI推理 。 通過在固定的數據中心能源預算內實現更多的人工智能 ， CN101 最大限度地提高了總計算輸出 ， 并將其與推理的低延遲、高吞吐量性能相結合 。
《IEEE Spectrum》解釋稱 ， 熱力學芯片元件會先處于半隨機狀態 ， 接著將程序輸入其中 ， 當各組件之間達到平衡（equilibrium）后 ， 系統會讀取該平衡狀態作為計算結果 。這種計算方式僅適用涉及非確定性結果的應用 ， 因此不會用來執行網頁瀏覽器等傳統應用 ， 但對于 AI 圖像生成等任務及其他訓練工作 ， 卻能發揮極大優勢 。
據介紹 ， CN101 專門針對對人工智能和科學計算至關重要的計算任務 ， 特別是以下兩個領域表現出顯著的加速：
1、線性代數和矩陣運算：高效求解工程、科學計算和優化任務基礎的大規模線性系統 。
2、使用晶格隨機游走 （LRW） 進行隨機采樣：實施 Normal 專有的基于 LRW 的采樣 ， 顯著加速科學模擬和貝葉斯推理方法所必需的概率計算 。
Normal Computing稱 ， CN101 是朝著實現大規模熱力學計算商業化愿景邁出的基礎一步 ， 可顯著提高每瓦、每機架和每美元的 AI 性能 ， 從而在現有能源預算內最大限度地提高 AI 輸出 。
Normal Computing 首席執行官Faris Sbahi表示：“近幾個月來 ， 我們看到人工智能能力正在接近當今的能源預算和架構的趨于平坦的曲線 ， 盡管我們計劃在未來5年內將訓練運行再擴大 10000 倍 。 熱力學計算有可能通過利用人工智能算法的物理實現（包括后自回歸架構）來定義未來幾十年的縮放定律 。 實現第一個芯片成功是這種新興范式的歷史性時刻——由一個極小的工程團隊執行 ?！?br /> Normal Computing 硅工程主管Zach Belateche也表示：“CN101 代表了我們熱力學架構的首次硅演示 ， 它利用隨機性、亞穩態和噪聲來執行采樣任務 。 通過表征 CN101 ， 我們將能夠為理解這些隨機過程在真實硅上的行為奠定基礎 ， 并為擴大我們的架構以支持最先進的擴散模型制定一條清晰的道路 。 ”
隨著CN101的流片 ， Normal Computing 將直接過渡到表征和基準測試 。 研究結果將指導即將推出的 CN201 和 CN301 芯片的開發 ， 擴展 Normal 的熱力學計算愿景 ， 以擴展 AI 工作負載 。
根據計劃 ， Normal Computing將會在2026年推出CN201 ， 主要面向高分辨率擴散模型和擴展的 AI 工作負載；2027 年底或2028年初將推出CN301 ， 將會進一步擴展到高級視頻擴散模型 。
【全球首款熱力學計算芯片成功流片，能效可提升1000倍】“我們將使用隨機硬件擴展擴散模型的愿景始于今年在 CN101 上展示關鍵應用 ， 然后明年在 CN201 上實現中型 GenAI 任務的最先進性能 ， 最后在兩年后使用 CN301 實現大規模 GenAI 的多個數量級性能提升 。 ”Zach Belateche說道 。
根據官網資料顯示 ， Normal Computing 由來自 Google Brain、Google X 和 Palantir 的資深人士于 2022 年創立 ， 業務遍及紐約、舊金山、倫敦和哥本哈根 。 傳統計算致力于解決傳統計算基礎設施的基本限制 。 Normal Computing 團隊為物理世界構建新的基礎軟件和硬件——通過 AI 軟件與半導體行業合作 ， 以零缺陷加速復雜的硬件工程 ， 降低成本 ， 并開發熱力學計算硬件 ， 為下一代節能、可擴展的 AI 基礎設施提供動力 。
編輯：芯智訊-浪客劍

    推薦閱讀