ชิป ASIC เป็นวงจรรวมที่ออกแบบมาเพื่อวัตถุประสงค์พิเศษชิป AI กำลังไฟฟ้าที่มีสมรรถนะสูงสุดที่ออกแบบมาเพื่อวัตถุประสงค์เฉพาะซึ่งแตกต่างจากความยืดหยุ่นของ GPU และ FPGA เนื่องจาก ASIC ไม่สามารถเปลี่ยนแปลงได้เมื่อผลิตขึ้น ดังนั้นค่าใช้จ่ายเริ่มต้นสูงและวัฏจักรการพัฒนาที่ยาวนานทำให้อุปสรรคในการเข้าใช้งานสูงในปัจจุบันส่วนใหญ่ของยักษ์ที่มีอัลกอริทึม AI และความฝันเป็นสิ่งที่ดีในการพัฒนาชิพเช่น TPU ของ Google
ปัจจุบันเทคโนโลยีชิปหลักสำหรับการเร่งการฝึกอบรมการเรียนรู้ด้วยเครื่องจักรและเครือข่ายประสาทเทียมลึก ได้แก่ ชิป ASIC, ชิปประมวลผลกราฟิก (GPU), ชิพ FPGA (Field Game) และซีพียูหน่วยประมวลผลกลาง (CPU) 4 มีเทคโนโลยีชิปงัดแงะอยู่ในสนามและข้อดีและข้อเสียการสนับสนุน AI และการเรียนรู้เครื่องซึ่งเป็น GPU ในเทคโนโลยีศิลปะ ASIC ที่ใช้ในขั้นตอนวิธีการประมวลผลภาพวาดประเด็นความแตกต่าง ASIC คำแนะนำชิปชุดให้พื้นที่เก็บข้อมูลและช่วยให้ของ GPU stylization ซึ่งสามารถใช้ประมวลผลข้อมูลที่เก็บไว้ในเครื่องได้เช่นเดียวกับตัวเร่งสำหรับอัลกอริทึมแบบขนานหลายแบบ
ชิป ASIC
โดยทั่วไป GPU มีความรวดเร็วและมีความยืดหยุ่นค่อนข้างแม้ว่าเทคโนโลยี ASIC ยังมีความได้เปรียบของความเร็วในการประมวลผลที่รวดเร็ว แต่ค่อนข้างขาดความยืดหยุ่นในการพัฒนาชิป ASIC การออกแบบทรัพยากรและความพยายามที่จำเป็นที่จะนำชิป ASIC หลายคนอาจจะต้องเสียค่าใช้จ่ายหลายสิบล้านหรือพันล้านดอลลาร์และจำเป็นที่จะต้องตั้งทีมวิศวกรไม่ได้เป็นค่าใช้จ่ายที่ต่ำก็แสดงให้เห็นถึงการลงทุนที่สำคัญมากและชิป ASIC ยังจะมีการอัพเกรดอย่างต่อเนื่องเพื่อให้ทันกับเทคโนโลยีใหม่และระดับกระบวนการบวก นักออกแบบชิป ASIC ได้แล้วคงตรรกะต้นในกระบวนการพัฒนาดังนั้นหากมีความคิดใหม่ที่ปรากฏในสาขาการพัฒนาอย่างรวดเร็วของชิปไอ ASIC จะไม่สามารถที่จะตอบสนองได้อย่างรวดเร็วนี้เทคโนโลยีมือ FPGA อื่น ๆ จึงสามารถ re-โปรแกรม เพื่อทำหน้าที่ใหม่
อีกประการหนึ่งการพัฒนาในอนาคตของชิป ASIC เป็นเหมือนสมอง. สมองชิปมีพื้นฐานวิศวกรรม neuromorphic เรียนรู้จากวิธีการประมวลผลข้อมูลที่สมองของมนุษย์ที่เหมาะสมสำหรับการประมวลผลในเวลาจริงของข้อมูลที่ไม่มีโครงสร้างที่มีความสามารถในการเรียนรู้ชิปพลังงานต่ำเป็นพิเศษใกล้ชิดกับปัญญาประดิษฐ์ เป้าหมายเนื่องจากการที่ดีที่สุดที่นำไปใช้กับขั้นตอนวิธีเครือข่ายประสาทที่เกี่ยวข้อง ASIC ประสิทธิภาพการทำงานและการใช้พลังงานดีกว่า GPU FPGA, TPU1 เป็น 14-16 ครั้งประสิทธิภาพการทำงานของ GPU แบบดั้งเดิม NPU 118 ครั้ง GPU ได้. Cambrian ตีพิมพ์โปรแกรมภายนอก ชุดคำสั่งที่คาดว่าจะเป็นแกนหลักของอนาคต AI ชิปซิก
ในทางทฤษฎีพูดอย่างนั้น แต่ในความเป็นจริงที่เป็นไป OEM?
ดูที่ด้านหล่อมีจำนวนมากของโรงหล่อทั่วโลก แต่เพราะยากเกินไปสามารถผลิตแพคเกจเดียวระบบ AI ที่ไม่ได้ผลิตจำนวนมาก TSMC, GlobalFoundries และซัมซุงเป็นหนึ่งในรายการ
ผู้จำหน่ายรายใดจึงออกแบบระบบบรรจุภัณฑ์ AI แบบเดียว?
คุณต้องมอง 2.5D ดีจริงๆที่ผู้ขายได้รวมคีย์ IP และการออกแบบที่ต้องการ (เช่น HBM2 อินเตอร์เฟซชั้นกายภาพและอินเทอร์เน็ตความเร็วสูง SerDes). HBM2 โมดูล PHY และอินเทอร์เน็ตความเร็วสูง SerDes ในการดำเนินงานที่สำคัญระหว่างองค์ประกอบหลายอย่างในระบบแพคเกจเดียว การสื่อสาร. เหล่านี้มีความท้าทายในการออกแบบอนาล็อกมากเรียกร้องซื้อ IP จากผู้ผลิต ASIC สามารถลดความเสี่ยง
ผู้ขาย ASIC เชี่ยวชาญในพื้นที่เหล่านี้จะไม่มาก แต่เป็นเพราะตลาดปัญญาประดิษฐ์อาจปรากฏการเจริญเติบโตระเบิดดังนั้นผู้ผลิต ASIC เหล่านี้จะได้รับประโยชน์