Der ASIC-Chip ist eine integrierte Schaltung, die für spezielle, funktionsspezifische, optimale Leistungs-AI-Chips entwickelt wurde, die für spezielle Zwecke ausgelegt sind.Im Gegensatz zur GPU- und FPGA-Flexibilität kann der kundenspezifische ASIC nach der Herstellung nicht mehr geändert werden. Daher sind die anfänglichen Kosten hoch und der lange Entwicklungszyklus macht die Eintrittsbarriere hoch.Zu den gegenwärtigen Zeiten sind die meisten Giganten mit AI-Algorithmen und Träumen gut in der Chip-Forschung und Entwicklung, wie Googles TPU.
Die Haupt-Chip-Technologien, die gegenwärtig zur Beschleunigung des maschinellen Lerntrainings und der tiefen neuronalen Netze verfügbar sind, umfassen ASIC-Chips, Grafikverarbeitungs-Chips (GPUs), feldprogrammierbare Logik-Gate-Array- (FPGA) -Chips und zentrale Verarbeitungseinheiten (CPUs). 4 haben manipulations basierte Chip-Technologie auf dem Gebiet und die Vorteile und Nachteile unterstützen AI und maschinelles Lernen, die die GPU in der Technik ASIC-Technologie in den Zeichnungsverarbeitungs-Algorithmen verwendet werden, wobei die Differenz ASIC Chip-Befehlssatz den Repository bietet und ermöglicht GPU Die Stilisierung, mit der lokal gespeicherte Daten verarbeitet werden können, ist wie ein Beschleuniger für viele parallele Algorithmen.
ASIC-Chip
Grundsätzlich sind GPUs sehr schnell und relativ flexibel, obwohl die ASIC-Technologie auch den Vorteil einer schnellen Verarbeitungsgeschwindigkeit hat, fehlt es relativ an der Verwendung von Elastizität.In der Entwicklung von ASIC-Chips ist es notwendig, Ressourcen und Aufwand für einen ASIC-Chip zu entwerfen. Viele müssen möglicherweise Dutzende Millionen oder sogar Hunderte Millionen Dollar ausgeben und müssen ein Team von Ingenieuren mit sehr niedrigen Kosten aufbauen, was zeigt, dass Investitionen sehr weit verbreitet sind, und ASIC-Chips müssen ebenfalls aktualisiert werden, um mit neuen Technologien und Prozesslevels Schritt zu halten. Die ASIC-Chipdesigner haben ihre Logik schon früh im Entwicklungsprozess fixiert, so dass der ASIC-Chip bei neuen Ideen im sich schnell entwickelnden Bereich wie AI nicht schnell darauf reagieren kann, die FPGA-Technologie dagegen neu programmiert werden kann. Um eine neue Funktion auszuführen.
Eine weitere zukünftige Entwicklung von ASIC-Chip ist wie das Gehirn. Brain-Chip Neuromorph basiert, lernt von der Art und Weise der menschliche Gehirn Informationsverarbeitung, geeignet für die Echtzeit-Verarbeitung von unstrukturierten Informationen, mit der Fähigkeit, Ultra-Low-Power-Chip zu lernen, näher an den künstlichen Intelligenz Ziel durch perfekt auf die entsprechenden neuronalen Netzwerk-Algorithmen, ASIC Leistung und Stromverbrauch ist besser passen als die GPU FPGA, TPU1 14-16 mal die Leistung von herkömmlichen GPU ist, NPU 118-fache der GPU ist. Cambrian Externe Anwendung veröffentlicht Befehlssatz, wird erwartet, dass der Kern des zukünftigen AI ASIC-Chips sein.
Theoretisch sagen so, aber die Realität ist, der OEM ist zu gehen?
Schauen Sie sich die Gießerei-Seite, gibt es eine Menge von globalen Gießereien, sondern weil zu schwer, kann ein einzelnes Paket KI-Systeme sind nicht viele Hersteller zu produzieren, TSMC, Global und Samsung sind unter der Liste.
Also, was ist ein einziges Paket Hersteller bei der Gestaltung von KI-System?
Sie müssen wirklich gut 2.5D suchen, welche Lieferanten Schlüssel IP integriert und Design erforderlich (wie HBM2 Bitübertragungsschicht-Schnittstelle und High-Speed-SerDes). HBM2 PHY und Hochgeschwindigkeits-SerDes-Modul kritische Aufgaben zwischen den mehreren Komponenten in einem einzigen Paket System auszuführen Kommunikation. das sind sehr anspruchsvolle analoge Design-Herausforderungen, kauft IP von ASIC-Anbieter das Risiko minimieren.
ASIC-Hersteller spezialisiert in diesen Bereichen ist nicht viel, aber wegen der künstlichen Intelligenz Markt ein explosives Wachstum erscheinen, so dass diese ASIC-Hersteller profitieren.