这款以人工智能为重点的芯片重新定义了效率:通过将处理和存储统一来加倍节能

人工智能芯片以高效为目标:统一处理与存储实现节能翻倍

在一个需求为以数据为中心的本地智能不断增长的世界中,使设备能够自主地在边缘分析数据的挑战变得愈发关键。这一过渡到涵盖可穿戴设备、传感器、智能手机和汽车在内的边缘AI设备,标志着半导体行业的下一个增长阶段。这些设备支持实时学习、自主性和嵌入式智能。

然而,这些边缘AI设备遇到了一个被称为冯·诺伊曼瓶颈的重要障碍,在其中,以内存为限的计算任务,特别是与深度学习和AI相关的任务,导致了对数据访问的压倒性需求,超出了传统算法逻辑单元内的本地计算能力。

解决这个计算难题的旅程导致了包括内存计算(IMC)在内的架构创新。通过在内存阵列内直接执行乘积累加(MAC)操作,IMC有望彻底改变AI系统。现有的IMC实现通常涉及二进制逻辑操作,限制了它们在更复杂计算中的效力。

这里引入了一个新颖的内存计算(IMC)交叉栏杆宏,其具备多位MAC操作的多级铁电场效应晶体管(FeFET)单元。这一创新超越了传统二进制操作的界限,利用存储数据在内存单元中的电特性,通过激活时间和累积电流来获得MAC操作结果的编码。

所取得的卓越性能指标堪称令人震撼。在手写识别方面的准确率达到了96.6%,在图像分类方面的准确率达到了91.5%,而无需额外的训练,这一解决方案已准备改变AI领域的格局。其能效为885.4 TOPS/W,几乎是现有设计的两倍,进一步凸显了推动行业发展的潜力。

总之,这项开创性的研究代表着AI和内存计算的重大飞跃。通过解决冯·诺伊曼瓶颈并引入多位MAC操作的新颖方法,这一解决方案不仅提供了对AI硬件的新鲜视角,而且承诺为边缘本地智能开启新的视野,最终塑造了计算的未来。