本文摘要:能源效率和计算效率不低。

能源效率和计算效率不低。第一象限,至今为止很少有人关注-软件定义芯片(SDC)、像RCP、CGRA等。其软件和硬件都可以编程,混合粒度,最重要的是芯片功能随软件的变化而变化,在使用中也不需要芯片设计的科学知识,其能源效率和计算效率专业构筑低,但足够低。

这是一个全新的领域。CPU等处理器标准化灵活性低,但已转入寡头垄断极端,需要最先进的设备技术,成本高,价格高,容易受到生态环境的制约的专用集成电路,专用而不灵活,用量充足才能便宜的FPGA标准化灵活性低我们所说的软件定义芯片,不存在寡头垄断的问题,也不需要最先进的设备,只要先进的设备足够,不断扩大使用量就能降低成本,不存在生态问题的一方面没有CPU的灵活性,另一方面专用集成电路的高能效率和高集成度。软件定义芯片是新名词,下一步该怎么办?我们不告诉人脑如何计算和思考,所以我们不能用计算机推理小说。例如,我们需要硬件平台,这个硬件平台需要低计算能力、多任务并行计算能力、充分的吞吐量、极高的能源效率、灵活性高效的存储、适应环境动态的工作变化,这是智能的基础。

芯片构建智能化,不能只有硬件,必须有拒绝高软件-自律自学的能力、构成科学知识和经验的能力、持续改进和优化的能力、再造和组织的能力、思维逻辑推理的能力、正确的识别和决策的能力如果有人指出硬件需要这样做,那一定是走错了路。打造智能化的核心是软件,所以再看一下,我们需要的是软件定义的芯片-当软件发生变化时,芯片会回来发生变化。只是,美国人也在做这项工作。

例如,美国最近发售的ERI(电子大力发展计划),其中最重要的是软件定义硬件,是作为ERI项目的6个子课题之一。在此期间,我在旧金山和美国DARPA(国防高级研究计划局、DefenseadvancedResearchProjectseagency)项目经理的交流被发现,美国之所以能够实现这一点,是因为他们看到了韧性融合,特别是硬件可变性成为未来发展的重点对于我来说,我非常关注所谓的运行时间AtRuntime,规定了300-0000NS,0.3-1的微秒,这种变化的速度非常快。那么,FPGA是软件定义芯片吗?不是的。

不是的。我重复FPGA的10大缺点:FPGA的细粒度,构筑比特级的运算。配置信息量大,几万亿甚至几十万亿。

配置时间宽,从十几毫秒到几十毫秒,甚至秒。静态编程一旦配备完成,就无法变更,变更FPGA的功能必须通过电源或在线写入新的配备信息。逻辑不适应,所有电路都需要取出FPGA。

面积效率低,每个LUT不能构建运算,面积效率只有5%,千万门级的FPGA不能构建数十万门的逻辑电路。能源效率低,逻辑利用率低,违宪功耗大。

需要特殊技术,FPGA需要最先进的设备生产技术,需要特别调整技术。电路设计技术应用于人们必须没有电路设计的科学知识和经验。成本高,从几十美元到几万美元。所以FPGA不是我们想的。

FPGA不能成为SdC,不是软件定义芯片。那么,为什么要用软件定义芯片呢?例如,在实现芯片设计时,上司经常说必须实现差异化的东西,不能和别人一样,所以在规格(Specification)上写文章。这几乎是错误的想法,差异化不是用规格设计的。这样设计的差异化不仅仅是产品生产量的时间,之后就不能变更的别人追上来,差异化更小,你的产品之后局。

一个孩子从婴儿茁壮成长,中间茁壮成长包括教育、自学,三字经说人之初,性本善,性近,习惯远。为什么芯片不能这么做?如果我们的芯片在过程中可以自学使用的话,差异化可以随着时间的变化而加强。

这样的芯片是确实的智能芯片。现在的做法是训练小说(训练是老师的训练,老师利用以前的科学知识教我们,按照老师教我们的方法推理小说应用),这正好是人工智能发展的过程,如果让小费做的话,小费就会更好。现在,让我们来谈谈什么是真正的软件定义芯片。

确实理想的计算应该是软件和硬件的结构相同,软件是什么样的流形结构,硬件应该是什么样的流形结构,软件应该是什么样的运算,硬件不存在这样的运算资源。遗憾的是,软件相当大,硬件不大,我们必须把软件分开,和硬件的大小一样。

例如,把它分成6块,根据数据依赖关系放入第2块、第3块、第4块……还是第6块。这是我们的硬件必须随时改变功能,硬件功能和结构必须动态地根据软件动态进行改变,这是我们所说的软件定义芯片——这只是一件非常困难的事情,我的实验室是12年制作的。

根据这种想法,我们可以更容易地获得基本结构:我们将区分的软件通过控制单元送到所谓的数据通道,并通过数据通道编程硬件。因此,我们的编程结果几乎可以适应环境软件的发展,拒绝我们的硬件和软件几乎可以重建和编程。这是我们的基本思想。

这种基本思想与传统的计算结构相比,古典的计算结构基本上是冯诺曼的系统结构,但对软件定义芯片来说是函数简化的柔性结构。在传统的框架中,它应用于适应环境的计算结构。你应该告诉计算机结构进行编程,而在我们的结构中,我们应该计算适应环境的应用。

这是一个逆转,硬件适应环境软件。在传统的结构中,一个任务只有一个处理软件,不能编成十个软件,在我们的结构中,一个任务有多个等效处理软件。

在传统的计算模式中,硬件和软件是恒定的,但在我们这里,软件的动态选择性发生了变化。在传统的结构中,必须高度适应,在我们的结构中,产生检验应用显然不同。但而,我们并没有逃脱冯诺依曼的系统结构。这是一件坏事,也是一件好事。

坏事太有创造力了。好事是计算理论的完整性。我们利用这个结构构建可重建神经网络的基本想法是通过AI定义我们组合的深度神经网络,改变芯片结构和功能。

如果可以的话,我们在一定程度上限于一个应用,我们可以回来应用,限于N种应用。这类芯片就是所谓标准化的人工智能芯片。这个基本的运算单元有各种各样的能力,我们可以卷积、池化等各种各样的内容。利用这种方式,我们还可以构建数据通道,几乎分段。

这样的结果是,我们可以建立很多不合适的硬件和硬件,大幅度提高效率。这里有一个结果是我们去年获奖的内容。这一結果是标准化的AI应用处理器,在10万亿到200万亿的状况下,4mW-450mW,运算速率超过1.06-5.09TOPS/w。

另一个是我们国际会议报道的脸部识别,大于100mW,每次识别需要6毫瓦时,比人的脸部识别亲率低1分。另一个是语音信号识别,包括语音识别和声纹识别,其功耗只有200多个微瓦。MITTechnologyReview今年年初在专辑中评论了我们的工作,指出这是中国获得的王冠水平的成果,一个电池可以使用一年以上,是世界上消耗电力的语音识别软件。

我们已经工作了12年,这是我们取得了一系列成绩、论文和专利。最后结束一下吧。我们说大家都在做AI。但是AI到底是什么呢?我们应该怎么做AI?哪里需要AI?我们希望AI能帮助我们解决问题吗?如果你不需要AI,为什么要AI?只是,我们没有问这些问题。

现在很多应用明显不需要AI,甚至有人用AI做招牌。什么是我们离开就活不下去的?AI刺客级应用?语音识别和脸部识别都需要AI吗?不一定,特别是语音识别往往不需要AI。当然,在某些情况下发挥了语音识别。

什么样的AI是我们每天必备的?这是我们的关键。在过去的两年里,许多人指出他们已经达到了美国。

有许多这样的声音:从明年开始,多达英特尔和从三年前开始,多达微软公司。我把他们称为吓尿体。

他们吓坏了美国人。在过去的一段时间里,每个人都说我们的芯片遇到了相当大的困难。与前两年不同,吓尿体变成了吓尿体。

我们的芯片发展有自己的步骤,我们明显不如美国,但没有美国人说那么差。当然,我们并不像有些人说得那么好。

我们在发展过程中,不要妄自菲薄。在软件定义芯片领域,我们现在大幅领先于美国。

我的团队明确提出了软件定义芯片技术比美国更快的ERI技术。他明确提出了300-1000的纳秒时间,只是我们现在构筑指标的十分之一,我们的性能比那个好得多。我现在在国外国际会议上,很多人说我们在国际上做得最差,我们在软件定义上在国际上回到了前列。

总而言之,AI技术不断进步,目前差距仍然相当大。像人类一样,同时提出多个识别和要求,这种算法仍然不常见。我们现在是IA,还不是AI。

芯片是我们无法逾越的障碍,必须用芯片构筑的芯片发展决不是我们今天想象的,实现芯片的是AI芯片。为了使芯片具有智慧的能力,这确实是我们必须考虑的事情,不是为了使AI成为AI。想让AI芯片在使用中更加聪明,构造想法是不可避免的课题。如果你仍然使用FPGA,不要有太大的期望,也不要称霸世界。

我希望大家在小费的发展过程中特别关注构造的想法,只有构造的想法才能把大家送到这个领域的顶点。非常感谢你原始文章允许禁止发布。下一篇文章发表了注意事项。

本文关键词:亚博APP取款速度快,亚博提款安全快速

本文来源:亚博APP取款速度快-www.wbnjqnq.com

相关文章