ارتباط اخیر بین تراشه های AI (ASICs) و FPGA ها در صنعت مورد بحث قرار گرفته است. از این رو ما همچنین سرمایه گذاران و کارفرمایان را برای بحث در مورد این موضوع دعوت می کنیم.
مرور تاریخچه توسعه تراشه سابقه تکامل فرآیند بر اساس قانون مور است و همچنین تکامل تعریف معماری تعریف برنامه است بنابراین بحث در مورد اینکه آیا ASIC توسط FPGA جایگزین خواهد شد یا خیر، یک مشکل است.
در زمینه کاهش قانون مور، استفاده از معماری تراشه تعریف شده و حتی سیستم های سخت افزاری و نرم افزاری مهم تر خواهد بود. درست همانطور که GPU، DSP، تراشه پردازش تصویر و دیگر برنامه های جدید که توسط موج یک معماری تراشه جدید ساخته شده است، AI در این است در موج موج، همانطور که الگوریتم تکامل یافته و همگرا می شود، بعضی از معماری های کارآمدتر به تدریج شکل می گیرد و این معماری های تراشه با نرم افزار کاربردی صحنه به منظور تعادل مصرف انرژی، عملکرد و طراحی هزینه ها بسیار همپوشانی دارند.
معماری محاسباتی شامل سه عنصر اصلی، از جمله محاسبات، ذخیره سازی، و شبکه است. بنابراین نوع تراشه ها اساسا می تواند به سه دسته تقسیم شود که به راحتی قابل درک است.
اول از همه، ما در مورد تراشه های کامپیوتری، اینتل و پردازنده ARM، پردازنده گرافیکی NVIDIA صحبت می کنید، تراشه های DSP CEVA به این دسته قرار می گیرند، و یا IP، وظیفه اصلی این است برای تکمیل عملیات منطقی و ریاضی، حمایت از جهان فناوری محاسبات ابری، پایانه های تلفن همراه و برنامه های کاربردی پردازش سیگنال، و همچنین هوش مصنوعی و مانند آن؛ FPGA که در آن یک دسته کوچک، که در آن کل درآمد اینتل کمتر از 5٪، به طور معمول FPGA می توانید برخی از عملیات شتاب CPU انجام خوب نیست، مانند پردازش سیگنال، و صحنه های دیگر AI استدلال ، اما اشکال این است همچنین FPGA بسیار روشن است، FPGA تاکید کرد که منطق جهانی، بازنویسی نرم افزار پشتیبانی و پیکربندی، در تراکم محاسبه نتیجه تنگنا است، و منطق عمومی بسیاری از افزونگی، به این معنی که هزینه و قدرت مصرف آورده افزایش قابل توجهی در اینترنت تلفن همراه و عصر شبکه، که یک افزایش شدید در تعداد کاربران و پیچیدگی نرم افزار، چگالی محاسبه (قدرت در هر پشتیبانی وات محاسبه) رقابت اصلی است، FPGA بدیهی صالح نیست، اگر چه FPGA ممکن است قادر به سرعت بخشیدن به صحنه از CPU ارتقاء منظور از قدر، اما با توجه به موتور AI خاص حداقل یک سفارش از قدر کمتر.
برخی افراد ممکن است سوال ASIC کافی جهانی نیست، در واقع، پاسخ ساده، برای اهداف عمومی چگالی محاسبات است و سازش است، مانند پردازنده از لحاظ نظری ممکن است که برای انجام هر گونه عملیات، اما معماری مشترک به ارمغان می آورد از دست دادن تراکم محاسبه، به به عنوان مثال، بهترین CPU سرور به طور کلی تنها قادر به ارائه AI تعداد استدلال 1Tflops نیروی؛ در GPU نگاه کنید، به راحتی می توانید 10Tflops باید انجام شود، اما GPU می تواند عملیات منطق پیچیده انجام نشده است، آن را هرگز می توانید CPU جایگزین؛ FPGA واسطه است در وسط یک CPU گونه و ASIC، است برخی از انعطاف پذیری وجود دارد، اما قیمت کم است، می تواند نیازهای جریان اصلی، از جمله صنعت تلفن همراه برآورده نمی کنند، به منظور صرفه جویی چند سنت از هزینه ها در بهینه سازی ثابت از طراحی، مواجهه با چنین یک صنعت بزرگ، صرفه جویی در هزینه می باشد کمی زیادی از علاقه، به طوری بازار FPGA است سرنوشت زود هنگام انتقال به کالا یا خدماتی بخش کم حجم بوده است.
به تازگی، ما یک چیز جالب متوجه شده اند، اینتل به دست آورد یک شرکت فعال در طراحی ASIC ساختار، طراحی مبتنی بر FPGA می تواند به فرایند توسعه ASIC قطع برخی منطق کار برکنار شتاب از FPGA طراحی منطقی، از این نقطه ما می توانید ببینید از ASIC پاسخ نهایی به بازار اصلی است.
Aurora Borealis در چهار شرکت تراشه AI سرمایه گذاری کرده است:
▪ جدا کردن محاسبات ابری،
▪ بذرهای کنجد سیاه،
▪ الکترونیک مصرفی و میلیاردها امنیت
▪ فن آوری ما با فیوژن سنسور فوق کم قدرت،
این شرکت موتور AI بهینه سازی شده برای سناریوهای برنامه های مختلف، شرکت های تراشه آینده می تواند نه فقط تولید شرکت های سخت افزاری باید عمیقا درک نیازهای کاربران، تعریف مرزهای انعطاف پذیری، به منظور تعریف بهترین محصول می باشد. برای مثال، برای سوار شدن به هواپیما ابر در بازار رایانه، نیاز به پشتیبانی مدل شبکه بیشتر AI، آن را متعادل تر تطبیق پذیری طراحی معماری، نزدیک تر به معماری GPGPU به است؛ دانه های کنجد سیاه و سفید و یکصد میلیون و یک درک عمیق از سناریوهای تقاضا مالکیت معنوی، تنها تعداد کمی از کاربران نیاز به پشتیبانی چندین الگوریتم، بلکه دستیابی به توازن قدرت و عملکرد. مشتریان واقعا در مورد مراقبت جهانشمول نیست، در غیر این صورت فقط خوب است با پردازنده، اما در هزینه تراکم محاسبه برای پاسخگویی به نیازهای از صحنه.
برخی دیگر تردید شرکت های جدید ظرفیت گرفتن نیست، هدف ASIC است به استفاده از روند جریان اصلی ترین و نسبتا ارزان برای تکمیل FPGA با استفاده از فرایند ساخت و تولید پیشرفته ترین به منظور انجام کارهای، ظرفیت یک مشکل نیست، برای مثال، یک صد میلیون شیلی به سادگی استفاده از 40nm و های 28nm این روند می تواند بیش از 1TOPS نیروی تعداد ارائه، هزینه FPGA تنها 1/10 یا کمتر است، فرآیند تولید پیشرفته ترین مناسب برای طراحی تراشه منظوره است، اما در زمینه کاهش قانون مور را تبدیل به یک بار بزرگ است. در اینجا نیز می خواهم در مورد دیدگاه های شخصی تحت عمیق تصاحب کام صحبت، توسعه دهندگان FPGA بسیار کوچک، دشوار است برای استفاده است، بنابراین اتوماسیون یک ابزار ارزشمند برای FPGA است، عمیق کام AI ابزار نرم افزار می تواند سرعت پیشرفت و توسعه از FPGA، Xilinx را اما اگر آنها را همچنان به سرمایه گذاری در تحقیق و توسعه باقی مانده است دیده شود AI تراشه اختصاص یافته است. اینتل به عنوان رهبر صنعت در خلبان اتوماتیک، مصرف، امنیت و محاسبات ابری یک AI طرح تراشه اختصاص داده شده، از جمله BAT تراشه AI خود را توسعه داده اند، این مسیر است که هنوز هم اتفاق نظر قابل توجه است.
اجازه دهيد نقطه نظر را خلاصه كنيم، تعريف صحنه تعريف تراشه اختصاصي AI و محاسبات ناهمگن موضوع اصلي چرخه تغيير معماري محاسباتي است.
در واقع، سرمایه گذاری چین AI شرکت تراشه است بیش از حد، اما خیلی کم، واقعا بالغ صنعت تیم مجرب تعقیب و جامعه سرمایه گذاری باید به موضوع، بلکه در آینده از منابع استراتژیک این کشور پشتیبانی نمی کند.