AI ທີ່ບໍ່ທຳມະດາຜ່ານໄປດ້ວຍເມັດຂະໜາດໃຫຍ່ ແລະວິທີການໃໝ່ຕໍ່ກັບຊິບ AI

ການມາຮອດຂອງ AI ທີ່ບໍ່ ທຳ ມະດາ ມັນໄດ້ສັ່ນສະເທືອນເຖິງພູມສັນຖານຂອງຮາດແວທາງປັນຍາທຽມກັບຮອບການສະຫນອງທຶນທີ່ໄດ້ຖືກສົນທະນາແລ້ວໃນທຸກວົງການອຸດສາຫະກໍາ. ອາຍຸບໍ່ເທົ່າໃດເດືອນ, ບໍລິສັດ ມັນໄດ້ຈັດການກັບຄວາມສົນໃຈຂອງກອງທຶນທີ່ມີປະສິດທິພາບທີ່ສຸດໃນໂລກເຕັກໂນໂລຢີ.ການພະນັນກ່ຽວກັບຄວາມຄິດທີ່ວ່າ, ໃນເຈ້ຍ, ສັນຍາວ່າຈະຄິດຄືນໃຫມ່ວ່າຊັບພະຍາກອນຄອມພິວເຕີ້ສໍາລັບ AI ຖືກອອກແບບແລະບໍລິໂພກແນວໃດ.

ໄກຈາກການສຸມໃສ່ຮູບແບບທີ່ໃຫຍ່ກວ່າແລະຮຸນແຮງຫຼາຍຂຶ້ນ, ບໍລິສັດຕ້ອງການໂຈມຕີບັນຫາທີ່ຮາກຂອງມັນ: ປະສິດທິພາບພະລັງງານ ແລະສະຖາປັດຕະຍະກຳທາງກາຍະພາບຂອງຊິບການສະເຫນີຂອງລາວໄດ້ຮັບການດົນໃຈຢ່າງຊັດເຈນໂດຍຊີວະວິທະຍາແລະການເຮັດວຽກຂອງສະຫມອງ, ກັບ ເປົ້າຫມາຍແມ່ນເພື່ອຍ້າຍອອກໄປໃກ້ກັບລະບົບທີ່ສາມາດສະຫນອງພະລັງງານຄອມພິວເຕີອັນມະຫາສານໃນຂະນະທີ່ການບໍລິໂພກສ່ວນຫນຶ່ງຂອງພະລັງງານທີ່ຕ້ອງການໃນມື້ນີ້. ສູນ​ຂໍ້​ມູນ​ຂະ​ຫນາດ​ໃຫຍ່​.

ຮອບແກ່ນຮາດແວ AI ທີ່ໃຫຍ່ທີ່ສຸດຂອງປີ

AI ທີ່ບໍ່ທໍາມະດາໄດ້ປິດຮອບແກ່ນ $475 ລ້ານຕົວເລກທີ່, ເຖິງແມ່ນວ່າຢູ່ໃນຕະຫຼາດທີ່ຄຸ້ນເຄີຍກັບຈໍານວນຂະຫນາດໃຫຍ່, ຢືນອອກສໍາລັບຂະຫນາດຂອງມັນຢູ່ໃນຂັ້ນຕອນຕົ້ນ. ການເຮັດທຸລະກໍາມີມູນຄ່າບໍລິສັດຢູ່ທີ່ປະມານ 4.500 ຕື້ໂດລາ, ເຮັດໃຫ້ມັນເປັນຫນຶ່ງໃນກໍລະນີທີ່ໂດດເດັ່ນທີ່ສຸດຂອງການສະຫນອງທຶນແກ່ນໃນລະບົບນິເວດຮາດແວ AI.

ຮອບດັ່ງກ່າວໄດ້ຖືກນໍາພາໂດຍກອງທຶນລົງທຶນ ອັນເດຣສເຊັນ ໂຮໂຣວິດສ໌ (a16z) y ຄູ່ຮ່ວມງານ Lightspeed Ventureສອງຜູ້ນທີ່ສໍາຄັນໃນເວລາທີ່ມັນມາກັບການລົງທຶນໄລຍະຍາວໃນເຕັກໂນໂລຊີເລິກ. ພວກເຂົາເຈົ້າໄດ້ຖືກເຂົ້າຮ່ວມໂດຍນັກລົງທຶນຊັ້ນນໍາອື່ນໆເຊັ່ນ: Lux Capital, DCVC, ບລັອກຂໍ້ມູນ ແລະແມ່ນແຕ່ຜູ້ກໍ່ຕັ້ງ Amazon, ເຈັຟ ເບໂຊສສິ່ງດັ່ງກ່າວໄດ້ເສີມສ້າງຄວາມຮູ້ສຶກວ່າໂຄງການດັ່ງກ່າວຖືກຮັບຮູ້ວ່າເປັນການເຄື່ອນໄຫວຍຸດທະສາດໃນໄລຍະຍາວ.

ນອກເຫນືອຈາກທຶນພາຍນອກ, ຫນຶ່ງໃນຜູ້ຮ່ວມກໍ່ຕັ້ງໄດ້ຕັດສິນໃຈປະກອບສ່ວນຈາກກະເປົ໋າຂອງຕົນເອງ. 10 ຕື້ໂດລາ...ໃນເງື່ອນໄຂດຽວກັນກັບນັກລົງທຶນລາຍໃຫຍ່ອື່ນໆ. ການເຄື່ອນໄຫວນີ້, ເກີນຈໍານວນ, ສົ່ງສັນຍານທີ່ຊັດເຈນຂອງຄໍາຫມັ້ນສັນຍາແລະຄວາມຫມັ້ນໃຈພາຍໃນຂອງບໍລິສັດເຕັກໂນໂລຢີແລະທິດສະດີທຸລະກິດ.

ອີງຕາມການສໍາພາດຕ່າງໆ, ເງິນເບື້ອງຕົ້ນ 475 ລ້ານນີ້ພຽງແຕ່ເປັນຈຸດເລີ່ມຕົ້ນຂອງແຜນການລະດົມທຶນທີ່ສາມາດບັນລຸໄດ້ເຖິງ. 1.000 ຕື້ໂດລາ ຢູ່ໃນຂັ້ນຕອນດຽວກັນນີ້. ຂະຫນາດຂອງຈຸດປະສົງຊີ້ໃຫ້ເຫັນປະເພດຂອງໂຄງການທີ່ເຂົາເຈົ້າກໍາລັງປະເຊີນ: ຮາດແວທີ່ຊັບຊ້ອນ, ຮອບວຽນການພັດທະນາທີ່ຍາວນານ, ແລະການລົງທຶນເບື້ອງຕົ້ນທີ່ເຂັ້ມແຂງໃນ R&D.

ເມື່ອປຽບທຽບກັບທຸລະກໍາອື່ນໆທີ່ຜ່ານມາ, ການປະເມີນມູນຄ່າຫຼຸດລົງເລັກນ້ອຍ 5.000 ຕື້ ທີ່ຖືກປຶກສາຫາລືໃນຂ່າວລືຄັ້ງທໍາອິດ, ແຕ່ວ່າມັນຍັງວາງ AI ທີ່ບໍ່ທໍາມະດາຢູ່ໃນລີກຂອງການເລີ່ມຕົ້ນທີ່, ເກືອບບໍ່ມີລາຍຮັບຫຼືຜະລິດຕະພັນການຄ້າ, ກໍາລັງຫຼີ້ນຢູ່ໃນລະດັບຂອງທຶນທີ່ສະຫງວນໄວ້ກ່ອນຫນ້ານີ້ສໍາລັບບໍລິສັດທີ່ມີຜູ້ໃຫຍ່ຫຼາຍ.

ວິໄສທັດຂອງ Naveen Rao ແລະທີມງານທີ່ຄຸ້ນເຄີຍກັບຄວາມສ່ຽງດ້ານເຕັກນິກ

ນໍາພາໂຄງການແມ່ນ ນາວີນລໍRao, ຕົວເລກທີ່ມີຊື່ສຽງໃນໂລກ AI ທັງດ້ານຜູ້ປະກອບການແລະຕໍາແຫນ່ງຂອງລາວໃນບໍລິສັດເຕັກໂນໂລຢີທີ່ສໍາຄັນ. ຮັບຜິດຊອບສໍາລັບເວທີປັນຍາປະດິດຢູ່ Intel ຫຼັງຈາກການຊື້ການເລີ່ມຕົ້ນຄັ້ງທໍາອິດຂອງຕົນ, Nervana Systems, ຊ່ຽວຊານໃນໂປເຊດເຊີສໍາລັບການຮຽນຮູ້ເຄື່ອງຈັກ.

ຕໍ່ມາ, ຜູ້ກໍ່ຕັ້ງໄດ້ກ້າວກະໂດດອີກຄັ້ງໂດຍການຮ່ວມກໍ່ຕັ້ງ MosaicML, ເວທີການຝຶກອົບຮົມແບບຈໍາລອງທີ່ໄດ້ຮັບ traction ໃນຂໍ້ມູນແລະລະບົບນິເວດ AI ແລະສິ້ນສຸດລົງເຖິງການໄດ້ຮັບໂດຍ. Databricks ປະມານ 1.300 ຕື້ໂດລາບັນທຶກການຕິດຕາມນີ້, ດ້ວຍສອງທາງອອກທີ່ສໍາຄັນໃນເວລາຫນ້ອຍກວ່າຫນຶ່ງທົດສະວັດ, ໄດ້ຊັ່ງນໍ້າຫນັກຢ່າງຫນັກໃນການສ້າງຄວາມຫມັ້ນໃຈໃນບັນດາກອງທຶນທີ່ສະຫນັບສະຫນູນໂຄງການໃຫມ່ຂອງຕົນໃນປັດຈຸບັນ.

ຄຽງຄູ່ກັບ Rao, ບໍລິສັດໄດ້ລວມເອົາຂໍ້ມູນລະດັບສູງຈາກທາງແຍກຂອງ ຮາດແວ, ຊອບແວ, ແລະການຄົ້ນຄວ້າທາງວິຊາການ, ດັ່ງທີ່ Michael Carbin, Sara Achour y ມຽນລີນີ້ແມ່ນທີມງານທີ່ຄຸ້ນເຄີຍກັບການຈັດການກັບຄວາມສ່ຽງດ້ານເຕັກນິກສູງ, ໂຄງການຮອບວຽນຍາວ, ແລະບັນຫາທີ່ບໍ່ໄດ້ຮັບການແກ້ໄຂດ້ວຍການເຮັດຊ້ໍາຊອບແວຢ່າງໄວວາ, ແຕ່ມີຕົວແບບທີ່ສັບສົນແລະການເຊື່ອມໂຍງຢ່າງໃກ້ຊິດລະຫວ່າງສະຖາປັດຕະຍະກໍາທາງດ້ານຮ່າງກາຍແລະສູດການຄິດໄລ່.

Rao ຕົນເອງໄດ້ອະທິບາຍວ່າແຜນການເຮັດວຽກຂອງ AI Unconventional ກ່ຽວຂ້ອງກັບ ທົດສອບຕົວແບບຫຼາຍອັນໃນໄລຍະຫຼາຍປີພວກເຂົາ ກຳ ລັງປະເມີນວ່າຕົວຊີ້ວັດອັນໃດດີທີ່ສຸດໃນດ້ານປະສິດທິພາບແລະຄ່າໃຊ້ຈ່າຍ. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ພວກເຂົາບໍ່ໄດ້ຊອກຫາການເປີດຕົວຜະລິດຕະພັນຢ່າງໄວວາ, ແຕ່ແທນທີ່ຈະສ້າງພື້ນຖານເຕັກໂນໂລຢີທີ່ສາມາດເຮັດໃຫ້ຄວາມແຕກຕ່າງໃນຄອມພິວເຕີ້ AI ໃນທົດສະວັດຕໍ່ໄປ.

ການເດີມພັນນີ້ກ່ຽວກັບອັນທີ່ເອີ້ນວ່າ "ວິສະວະກໍາວົງຈອນຍາວ" ນີ້ກົງກັນຂ້າມກັບວິທີການປົກກະຕິຂອງການເລີ່ມຕົ້ນຊອບແວຈໍານວນຫຼາຍ, ເຊິ່ງສຸມໃສ່ການກວດສອບລູກຄ້າໄວເທົ່າທີ່ຈະໄວໄດ້ແລະປັບປຸງຜະລິດຕະພັນໂດຍຜ່ານການເຮັດຊ້ໍາອີກຄັ້ງຢ່າງໄວວາ. ທີ່ນີ້, ເສັ້ນທາງແມ່ນຄ້າຍຄືກັນກັບບໍລິສັດ semiconductor ຂະຫນາດໃຫຍ່ຫຼືໂຄງການພື້ນຖານໂຄງລ່າງທີ່ສໍາຄັນ, ບ່ອນທີ່ຜົນຕອບແທນຂອງການລົງທຶນມາໃນພາຍຫລັງ, ແຕ່, ຖ້າທັງຫມົດດີ, ສາມາດ redefine ຂະແຫນງການທັງຫມົດ.

ປະເພດໃຫມ່ຂອງເຄື່ອງຈັກສໍາລັບປັນຍາປະດິດ

ຫຼັກຂອງຂໍ້ສະເຫນີຂອງ AI Unconventional ແມ່ນການກໍ່ສ້າງ ຄອມພິວເຕີທີ່ມີປະສິດທິພາບພະລັງງານຫຼາຍ ສໍາລັບວຽກງານປັນຍາປະດິດ. Rao ໄດ້ສະຫຼຸບຄວາມທະເຍີທະຍານໃນປະໂຫຍກທີ່ໄດ້ດຶງດູດຄວາມສົນໃຈໃນຂະແຫນງການ: ການອອກແບບລະບົບທີ່ເປັນ. "ປະສິດທິພາບເປັນຊີວະສາດ", ຖືເປັນການອ້າງອີງຄວາມສາມາດຂອງສະຫມອງຂອງມະນຸດເພື່ອປະຕິບັດການຄິດໄລ່ທີ່ຊັບຊ້ອນດ້ວຍການບໍລິໂພກພະລັງງານຫນ້ອຍທີ່ສຸດ.

ໃນຂະນະທີ່ອຸດສາຫະກໍາສ່ວນໃຫຍ່ຍັງສືບຕໍ່ຊຸກຍູ້ການຂະຫຍາຍຕົວແບບ - ຕົວກໍານົດການເພີ່ມເຕີມ, ຂໍ້ມູນເພີ່ມເຕີມ, GPUs ເພີ່ມເຕີມ—, ບໍລິສັດເລີ່ມຕົ້ນຈາກສະຖານທີ່ ຍຸດທະສາດນີ້ມີຂອບເຂດທີ່ຊັດເຈນກ່ຽວກັບຄ່າໃຊ້ຈ່າຍແລະພະລັງງານທີ່ມີຢູ່ສູນຂໍ້ມູນຂະຫນາດໃຫຍ່ກໍາລັງປະເຊີນກັບຂໍ້ຈໍາກັດພະລັງງານ, ຄ່າໃຊ້ຈ່າຍທີ່ເພີ່ມຂຶ້ນ, ແລະບັນຫາຄວາມຍືນຍົງ, ບາງສິ່ງບາງຢ່າງທີ່ເປັນຄວາມກັງວົນໂດຍສະເພາະໃນເອີຣົບແລະສະເປນເນື່ອງຈາກສະພາບອາກາດແລະຈຸດປະສົງກົດລະບຽບ.

ເພື່ອທໍາລາຍແບບເຄື່ອນໄຫວນີ້, ການເລີ່ມຕົ້ນສະເຫນີ ການປ່ຽນແປງແບບສະຖາປັດຕະຍະກຳຂອງຄອມພິວເຕີແທນທີ່ຈະສືບຕໍ່ປັບປຸງສະຖາປັດຕະຍະກໍາດິຈິຕອນແບບດັ້ງເດີມ, ຄົ້ນຫາການອອກແບບທີ່ມີຜົນບັງຄັບໃຊ້ ຄຸນສົມບັດທາງກາຍະພາບຂອງຊິລິໂຄນເອງ ແລະຫຼັກການທີ່ໄດ້ຮັບການດົນໃຈໂດຍການເຮັດວຽກຂອງສະຫມອງ, ເຊັ່ນ: ນະໂຍບາຍດ້ານທີ່ບໍ່ແມ່ນເສັ້ນຂອງ neurons.

ໃນຂໍ້ຄວາມທີ່ຈັດພີມມາຢູ່ໃນເວັບໄຊທ໌ຂອງຕົນ, ບໍລິສັດອະທິບາຍເປົ້າຫມາຍຂອງຕົນເປັນການສ້າງ a "ຊັ້ນໃຕ້ດິນໃຫມ່ສໍາລັບປັນຍາ"ແນວຄວາມຄິດແມ່ນວ່າ, ໂດຍການຊອກຫາໂຄງສ້າງທີ່ເຫມາະສົມທີ່ເຊື່ອມໂຍງຄອມພິວເຕີ້ປອມກັບພຶດຕິກໍາຂອງລະບົບຊີວະພາບ, ມັນເປັນໄປໄດ້ທີ່ຈະປົດລັອກປະສິດທິພາບທີ່ເກີນກວ່າສິ່ງທີ່ບັນລຸໄດ້ໂດຍພຽງແຕ່ການປັບປຸງສະຖາປັດຕະຍະກໍາດິຈິຕອນຄລາສສິກ.

ນັກລົງທຶນຂອງ Lightspeed ທີ່ເຂົ້າຮ່ວມໃນຮອບຕົກລົງເຫັນດີກັບການວິນິດໄສນັ້ນ, ຊີ້ໃຫ້ເຫັນເຖິງຄວາມຕ້ອງການ ເພື່ອຊອກຫາ " isomorphism ທີ່ເຫມາະສົມສໍາລັບການປັນຍາ" ຖ້າເປົ້າຫມາຍແມ່ນເພື່ອບັນລຸການຫຼຸດຜ່ອນການບໍລິໂພກພະລັງງານ AI ຢ່າງຫຼວງຫຼາຍ, ເສັ້ນແນວຄິດນີ້ສອດຄ່ອງກັບຄວາມພະຍາຍາມຄົ້ນຄ້ວາໃນຄອມພິວເຕີ້ neuromorphic ແລະລະບົບການປຽບທຽບທີ່ກ້າວຫນ້າ, ເຊິ່ງ, ຈົນເຖິງປັດຈຸບັນ, ສ່ວນໃຫຍ່ຍັງຄົງຢູ່ໃນສະຖາບັນການສຶກສາຫຼືໂຄງການທົດລອງໂດຍຜູ້ຜະລິດຂະຫນາດໃຫຍ່.

ສະຖາປັດຕະຍະກໍາ: ຈາກຊິບອະນາລັອກໄປສູ່ເສັ້ນປະສາດ Pulsating

ຫນຶ່ງໃນລັກສະນະທີ່ໂດດເດັ່ນທີ່ສຸດຂອງ AI ທີ່ບໍ່ທໍາມະດາແມ່ນວິທີການປະສົມປະສານຂອງມັນ ການປຽບທຽບ, ປະສົມ, ແລະສະຖາປັດຕະຍະກໍາ neuromorphicບໍ່ເຫມືອນກັບຊິບດິຈິຕອລໃນປະຈຸບັນ, ເຊິ່ງເປັນຕົວແທນຂອງຂໍ້ມູນໂດຍໃຊ້ສູນທີ່ບໍ່ຊ້ໍາກັນແລະຫນຶ່ງ, ການອອກແບບອະນາລັອກອະນຸຍາດໃຫ້ເຮັດວຽກກັບມູນຄ່າຢ່າງຕໍ່ເນື່ອງແລະໃຊ້ປະໂຍດຈາກປະກົດການທາງດ້ານຮ່າງກາຍທີ່, ເມື່ອຄວບຄຸມຢ່າງຖືກຕ້ອງ, ສາມາດມີປະສິດທິພາບຫຼາຍສໍາລັບການປະຕິບັດງານບາງຢ່າງ. ວິທີການນີ້ຊີ້ໃຫ້ເຫັນຄວາມກ້າວຫນ້າໃນ ການອອກແບບຊິບຂັ້ນສູງແລະຂະບວນການ ທີ່ຊອກຫາວິທີການເພີ່ມປະສິດທິພາບຈາກພື້ນຖານທາງດ້ານຮ່າງກາຍ.

ບໍລິສັດກໍາລັງຂຸດຄົ້ນ ຊິບທີ່ມີຄວາມສາມາດໃນການເກັບຮັກສາການແຈກຢາຍຄວາມເປັນໄປໄດ້ແທນທີ່ຈະປະມານພວກມັນເປັນຕົວເລກທີ່ເຮັດຢູ່ໃນໂປເຊດເຊີແບບດັ້ງເດີມ. ນີ້ເປີດປະຕູໄປສູ່ການເປັນຕົວແທນທໍາມະຊາດຫຼາຍຂຶ້ນສໍາລັບແບບຈໍາລອງທີ່ເປັນໄປໄດ້ແລະ, ເປັນໄປໄດ້ ການຫຼຸດຜ່ອນການບໍລິໂພກພະລັງງານເຖິງຫນຶ່ງພັນເທື່ອ ເມື່ອປຽບທຽບກັບລະບົບດິຈິຕອນທີ່ຄອບຄອງສູນຂໍ້ມູນໃນມື້ນີ້.

ເພື່ອເຮັດສິ່ງນີ້, ທີມງານນໍາໃຊ້ແນວຄວາມຄິດຈາກ oscillators, thermodynamics ແລະ neurons spikingປະເພດຂອງຮູບແບບນີ້ແມ່ນໄດ້ຮັບການດົນໃຈໂດຍວິທີການ neurons ທີ່ແທ້ຈິງໄດ້ຖືກກະຕຸ້ນໂດຍ impulses discrete ໃນໄລຍະເວລາ. ສະຖາປັດຕະຍະກໍາເຫຼົ່ານີ້, ປົກກະຕິຂອງພາກສະຫນາມ neuromorphic, ສາມາດ deactivate ບາງສ່ວນຂອງ chip ໃນເວລາທີ່ບໍ່ໄດ້ຢູ່ໃນການນໍາໃຊ້, ຫຼຸດລົງຢ່າງຫຼວງຫຼາຍການສູນເສຍພະລັງງານເມື່ອທຽບກັບວົງຈອນທີ່ຮັກສາກິດຈະກໍາຄົງທີ່.

ວິທີການດັ່ງກ່າວແມ່ນເປັນການລະນຶກເຖິງຄວາມພະຍາຍາມທີ່ຜ່ານມາໂດຍບໍລິສັດເຊັ່ນ Intel ກັບໂປເຊດເຊີ neuromorphic ຂອງພວກເຂົາ, ເຊິ່ງກໍາຈັດໂມງກາງແບບດັ້ງເດີມແລະອະນຸຍາດໃຫ້ຊິບເຮັດວຽກແບບບໍ່ກົງກັນ, ເປີດໃຊ້ພຽງແຕ່ສ່ວນທີ່ຈໍາເປັນໂດຍອີງໃສ່ວຽກງານ. ແນວໃດກໍ່ຕາມ, AI ທີ່ບໍ່ ທຳ ມະດາຕ້ອງການກ້າວໄປອີກບາດກ້າວ ໜຶ່ງບໍ່ພຽງແຕ່ໂດຍ mimicking ພຶດຕິກໍາ neuronal, ແຕ່ໂດຍການສົມທົບຢ່າງໃກ້ຊິດການອອກແບບທາງດ້ານຮ່າງກາຍຂອງຊິລິໂຄນກັບຮູບແບບ AI ອອກແບບສະເພາະສໍາລັບສະພາບແວດລ້ອມນັ້ນ.

ການປະສົມປະສານຂອງ ຮາດແວພິເສດ ແລະແບບຈໍາລອງທີ່ໄດ້ຮັບການອອກແບບຮ່ວມກັນ ມັນຊີ້ໃຫ້ເຫັນເຖິງອະນາຄົດທີ່ເຂດແດນລະຫວ່າງຊິບແລະ algorithm blurs, ແລະບ່ອນທີ່ການປະຕິບັດບໍ່ໄດ້ຂື້ນກັບຈໍານວນ GPUs ສາມາດ stacked, ແຕ່ວ່າຄຸນສົມບັດທາງກາຍະພາບທີ່ເລິກເຊິ່ງກວ່າຂອງວັດສະດຸແລະວົງຈອນໄດ້ຖືກຂຸດຄົ້ນ.

SoC ທີ່ອອກແບບເອງສໍາລັບຄື້ນຕໍ່ໄປຂອງ AI

ນອກ​ເຫນືອ​ໄປ​ຈາກ​ສະ​ພາບ​ລວມ​ທົ່ວ​ໄປ​, ລາຍ​ລະ​ອຽດ​ດ້ານ​ວິ​ຊາ​ການ​ແມ່ນ​ໄດ້​ເກີດ​ຂຶ້ນ​ກ່ຽວ​ກັບ​ປະ​ເພດ​ຂອງ​ຊິບ AI ທີ່​ບໍ່​ເປັນ​ທໍາ​ມະ​ດາ​ທີ່​ມີ​ຈຸດ​ປະ​ສົງ​ເພື່ອ​ເຮັດ​ໃຫ້​ການ​ຜະ​ລິດ​. ປະກາດ​ວຽກ​ງານ​ຕ່າງໆ​ທີ່​ບໍລິສັດ​ຈັດ​ພີມມາ​ຊີ້​ໃຫ້​ເຫັນ​ວ່າ... AI accelerator ອີງໃສ່ການອອກແບບ system-on-a-chip (SoC).ນັ້ນແມ່ນ, ອົງປະກອບດຽວທີ່ປະສົມປະສານກັບໂມດູນຄອມພິວເຕີ້ພິເສດຈໍານວນຫນຶ່ງ.

ອີງຕາມຄໍາອະທິບາຍເຫຼົ່ານີ້, SoC ຈະປະກອບມີ ໂຮງງານຜະລິດສູນກາງ (CPU) ຮັບຜິດຊອບວຽກງານເບື້ອງຕົ້ນເຊັ່ນ: ການຈັດຕັ້ງ ແລະການກະກຽມຂໍ້ມູນ sensory ກ່ອນທີ່ມັນຈະຖືກສົ່ງໄປຫາຫນ່ວຍງານ AI ສະເພາະ. ອີງຕາມພື້ນຖານທົ່ວໄປນີ້, ບລັອກທີ່ຖືກປັບປຸງຈະຖືກເພີ່ມເຂົ້າໃນການປະຕິບັດ ການປະຕິບັດພຶດຊະຄະນິດເສັ້ນຊື່ຊຶ່ງເປັນຫົວໃຈຄະນິດສາດຂອງຮູບແບບການຮຽນຮູ້ເລິກເກືອບທັງຫມົດ, ຈາກຮູບແບບພາສາຂະຫນາດໃຫຍ່ໄປສູ່ລະບົບວິໄສທັດຄອມພິວເຕີ.

ການອອກແບບຍັງໃຊ້ເວລາເຂົ້າໄປໃນບັນຊີຂອງການນໍາໃຊ້ ຊັບສິນທາງປັນຍາຂອງພາກສ່ວນທີສາມ ສໍາລັບບາງໂມດູນ, ນີ້ແມ່ນການປະຕິບັດທົ່ວໄປໃນອຸດສາຫະກໍາ semiconductor, ບ່ອນທີ່ມັນມີປະສິດຕິຜົນຫຼາຍທີ່ຈະອະນຸຍາດໃຫ້ຕັນທີ່ພິສູດໄດ້ຫຼາຍກ່ວາການພັດທະນາຈາກຈຸດເລີ່ມຕົ້ນ. ຈາກບ່ອນນັ້ນ, ມູນຄ່າເພີ່ມຂອງ AI ທີ່ບໍ່ທຳມະດາຈະຖືກສຸມໃສ່ໃນພາກສ່ວນນະວັດຕະກໍາທີ່ສຸດຂອງ SoC.

ອົງປະກອບຄວາມແຕກຕ່າງເຫຼົ່ານີ້ປະກອບມີ ວົງຈອນສັນຍານປະສົມວົງຈອນເຫຼົ່ານີ້, ຄວາມສາມາດໃນການປະມວນຜົນຂໍ້ມູນທັງອະນາລັອກແລະດິຈິຕອນ, ເປັນປະໂຫຍດຫຼາຍສໍາລັບການຄຸ້ມຄອງຂໍ້ມູນຈາກເຊັນເຊີຫຼືສໍາລັບການປະຕິບັດໂດຍກົງທາງຟີຊິກ inspired. ປະເພດຂອງວົງຈອນນີ້ແມ່ນກຸນແຈສໍາລັບຊິບທີ່ຈະຂຸດຄົ້ນນະໂຍບາຍດ້ານທີ່ບໍ່ແມ່ນເສັ້ນແລະການເປັນຕົວແທນທີ່ເປັນໄປໄດ້ທີ່ບໍລິສັດກໍາລັງຊອກຫາ.

ຈຸດທີ່ກ່ຽວຂ້ອງອີກອັນຫນຶ່ງແມ່ນຄວາມສົນໃຈຂອງບໍລິສັດ ຄວາມຊົງຈໍາທີ່ບໍ່ປ່ຽນແປງ, ເຊັ່ນ RRAMເຕັກໂນໂລຢີເຫຼົ່ານີ້ຮັກສາຂໍ້ມູນເຖິງແມ່ນວ່າໃນເວລາທີ່ພະລັງງານສູນເສຍ. ພວກເຂົາສາມາດສະເຫນີຂໍ້ໄດ້ປຽບດ້ານການປະຕິບັດຫຼາຍກວ່າຫນ່ວຍຄວາມຈໍາ flash ແບບດັ້ງເດີມໃນບາງສະຖານະການ, ເຖິງແມ່ນວ່າພວກເຂົາຍັງປະເຊີນກັບສິ່ງທ້າທາຍທາງດ້ານເຕັກນິກທີ່ຈໍາກັດການແຈກຢາຍຢ່າງກວ້າງຂວາງໃນສູນຂໍ້ມູນ. evolution ຂອງຕະຫຼາດຄວາມຊົງຈໍາແລະການຕັດສິນໃຈໂດຍຜູ້ຜະລິດເຊັ່ນ: Micron ທີ່ກ່ຽວຂ້ອງກັບສາຍຜະລິດຕະພັນ ພວກເຂົາເຈົ້າຊີ້ໃຫ້ເຫັນສິ່ງທ້າທາຍແລະໂອກາດເຫຼົ່ານີ້.

ການອອກແບບຮ່ວມກັນຂອງແບບຮາດແວ ແລະ AI

AI ທີ່ບໍ່ທໍາມະດາບໍ່ຕ້ອງການຢູ່ພຽງແຕ່ຢູ່ໃນຊັ້ນທາງດ້ານຮ່າງກາຍຂອງໂປເຊດເຊີ. ຍຸດທະສາດດັ່ງກ່າວຍັງກ່ຽວຂ້ອງກັບການພັດທະນາແບບຈໍາລອງ AI ທີ່ປັບຕົວເຂົ້າກັບຊິບຂອງພວກເຂົາ., ໃຊ້ປະໂຫຍດຈາກຂອບການເພີ່ມປະສິດທິພາບທີ່ສະເຫນີໂດຍການສ້າງຊອບແວແລະຮາດແວຮ່ວມກັນຕັ້ງແຕ່ເລີ່ມຕົ້ນ.

ວິທີການນີ້ຂອງ ການອອກແບບຮ່ວມກັນ ມັນອະນຸຍາດໃຫ້ມີການຄວບຄຸມສູງສຸດກ່ຽວກັບວິທີການສະແດງຂໍ້ມູນ, ການປະຕິບັດການໃດກໍ່ຕາມ, ແລະວິທີການເຮັດວຽກຖືກແຈກຢາຍພາຍໃນຊິບ. ແທນທີ່ຈະປັບຕົວແບບທີ່ມີຢູ່ແລ້ວທີ່ອອກແບບມາສໍາລັບ GPU ທີ່ໃຊ້ທົ່ວໄປ, ບໍລິສັດສາມາດອອກແບບສູດການຄິດໄລ່ທີ່ນໍາໃຊ້ຄຸນລັກສະນະທີ່ເປັນເອກະລັກຂອງວົງຈອນການປຽບທຽບ, neurons pulsating, ຫຼືໂມດູນຫນ່ວຍຄວາມຈໍາທີ່ບໍ່ທໍາມະດາ.

ບໍລິສັດຫວັງວ່າການເຊື່ອມໂຍງນີ້ຈະຊ່ວຍໃຫ້ບັນລຸໄດ້ ປະສິດທິພາບໃນຄໍາສັ່ງຂອງ 1.000 ເທື່ອເມື່ອທຽບກັບຊິລິຄອນໃນປະຈຸບັນ ພາຍ​ໃຕ້​ການ​ເຮັດ​ວຽກ​ທີ່​ແນ່​ນອນ​. ເຖິງແມ່ນວ່າຕົວເລກເຫຼົ່ານີ້ຈະຕ້ອງໄດ້ຮັບການກວດສອບເມື່ອຕົວແບບເອກະລາດແລະມາດຕະຖານທໍາອິດປາກົດ, ພວກເຂົາໃຫ້ຄວາມຄິດກ່ຽວກັບຂະຫນາດຂອງຄວາມທະເຍີທະຍານທີ່ທີມງານກໍາລັງມຸ່ງຫວັງ.

ປະເພດຂອງວິທີການນີ້ແມ່ນມີຄວາມກ່ຽວຂ້ອງໂດຍສະເພາະສໍາລັບ ເອີຣົບແລະສະເປນບ່ອນ​ທີ່​ການ​ໂຕ້​ວາ​ທີ​ກ່ຽວ​ກັບ​ອະ​ທິ​ປະ​ໄຕ​ເຕັກ​ໂນ​ໂລ​ຊີ​ແລະ​ການ​ເພິ່ງ​ພາ​ອາ​ໄສ​ຜູ້​ສະ​ຫນອງ​ຮາດ​ແວ​ຕ່າງ​ປະ​ເທດ​ໄດ້​ຮັບ​ການ​ດຶງ​ດູດ​. ການມີສະຖາປັດຕະຍະກຳ AI ໃໝ່ທີ່ມີປະສິດທິພາບກວ່າຈະເປີດປະຕູສູ່ສູນຂໍ້ມູນແບບຍືນຍົງ ແລະລາຄາຖືກກວ່າ.ອັນນີ້ສອດຄ່ອງກັບບູລິມະສິດດ້ານພະລັງງານ ແລະລະບຽບການຂອງພາກພື້ນ. ພັນທະມິດລະຫວ່າງຜູ້ໃຫ້ບໍລິການຟັງໃຫຍ່ແລະຜູ້ຜະລິດຮາດແວ, ເຊັ່ນວ່າບໍ່ດົນມານີ້ໄດ້ປັບປຸງພູມສັນຖານອຸດສາຫະກໍາ, ເປັນຕົວຢ່າງຂອງສະພາບການທີ່ວິທີແກ້ໄຂເຫຼົ່ານີ້ສາມາດເຫມາະ.ການຮ່ວມມືລະຫວ່າງຄລາວແລະຜູ້ຜະລິດ).

ຖ້າຮູບແບບ AI Unconventional ສຸດທ້າຍພິສູດວ່າມີຄວາມສາມາດແຂ່ງຂັນ, ມັນຈະບໍ່ແປກໃຈທີ່ຈະເຫັນບໍລິສັດເມຄຂອງເອີຣົບ, ຫ້ອງທົດລອງການຄົ້ນຄວ້າ, ແລະບໍລິສັດຂະຫນາດໃຫຍ່ປະສົມປະສານການແກ້ໄຂປະເພດເຫຼົ່ານີ້. ໃນໂຄງສ້າງພື້ນຖານຂອງຕົນ, ຊອກຫາ ຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍພະລັງງານແລະການປ່ອຍອາຍຄາບອນ ໂດຍບໍ່ມີການເສຍສະລະຄວາມສາມາດ AI ຂັ້ນສູງ.

ສະພາບການຕະຫຼາດ: ຮອບໃຫຍ່ ແລະການແຂ່ງຂັນສໍາລັບໂຄງສ້າງພື້ນຖານ AI

ກໍລະນີຂອງ AI Unconventional ແມ່ນສ່ວນຫນຶ່ງຂອງແນວໂນ້ມທີ່ກວ້າງຂວາງ: ການປະກົດຕົວຂອງ AI startups ສ້າງລາຍໄດ້ຫຼາຍຮ້ອຍລ້ານໂດລາໃນໄລຍະຕົ້ນໆ, ດ້ວຍການປະເມີນມູນຄ່າທີ່ສອງສາມປີກ່ອນໄດ້ຖືກສະຫງວນໄວ້ສໍາລັບບໍລິສັດຈົດທະບຽນຫຼືບໍລິສັດທີ່ມີລາຍໄດ້ລວມຫຼາຍ.

ໃນຊຸມປີມໍ່ໆມານີ້, ຊື່ເຊັ່ນ OpenAI, ມະນຸດວິທະຍາ ຫຼືການລິເລີ່ມສົ່ງເສີມໂດຍຕົວເລກເຊັ່ນ ອີລີຢາ ຊັດເຄເວີ o ມິຣາ ມູຣາຕີ ພວກ​ເຂົາ​ເຈົ້າ​ໄດ້​ມີ​ສ່ວນ​ຮ່ວມ​ໃນ​ການ​ປະ​ຫວັດ​ສາດ​ການ​ຮ່ວມ​ທຶນ​ຮອບ. ໃນປີ 2025, ການເລີ່ມຕົ້ນຂອງ AI ຫຼາຍສິບແຫ່ງໄດ້ລື່ນກາຍຈຸດສຳຄັນຂອງ ເງິນ​ທຶນ 100 ລ້ານ​ໂດ​ລາລວມປະລິມານການລົງທຶນທີ່ບໍ່ເຄີຍມີມາກ່ອນໃນສ່ວນນີ້.

ພາຍໃນຄື້ນນີ້, ການ​ສູ້​ຮົບ​ສໍາ​ລັບ​ໂຄງ​ລ່າງ​ພື້ນ​ຖານ​ ຊິບ, ຟັງພິເສດ, ເຄື່ອງເລັ່ງຄວາມໄວ, ແລະລະບົບການຝຶກອົບຮົມໄດ້ກາຍເປັນຫນຶ່ງໃນເຂດທີ່ມີການແຂ່ງຂັນທີ່ຮ້ອນທີ່ສຸດ. ການຂຶ້ນກັບໂຮງງານຜະລິດ ການຂາດແຄນຜູ້ຜະລິດຈໍານວນຫນ້ອຍ, ແລະໂດຍສະເພາະແມ່ນ GPUs ລະດັບສູງ, ໄດ້ກະຕຸ້ນໃຫ້ນັກລົງທຶນແລະຜູ້ປະກອບການຊອກຫາທາງເລືອກທີ່ຫຼຸດຜ່ອນການສະຫນອງແລະຂໍ້ບົກຜ່ອງດ້ານລາຄາ.

AI ທີ່ບໍ່ທໍາມະດາເຂົ້າໄປໃນການແຂ່ງຂັນນີ້ໂດຍການສະເຫນີ ເສັ້ນທາງທີ່ແຕກຕ່າງຈາກການແຂ່ງຂັນທີ່ເພີ່ມຂຶ້ນກັບຜູ້ຜະລິດ GPU ທີ່ສໍາຄັນແທນທີ່ຈະພຽງແຕ່ຕໍ່ສູ້ເພື່ອປະສິດທິພາບຫຼາຍ, ສຸມໃສ່ການບັນລຸຄໍາສັ່ງຂອງການປັບປຸງປະສິດທິພາບພະລັງງານ, ບາງສິ່ງບາງຢ່າງທີ່ສໍາຄັນໃນໄລຍະກາງສໍາລັບລະບົບ AI ຈະສືບຕໍ່ຂະຫຍາຍຕົວໂດຍບໍ່ມີການແລ່ນ headlong ເຂົ້າໄປໃນຂໍ້ຈໍາກັດທາງດ້ານຮ່າງກາຍແລະເສດຖະກິດ.

ສໍາລັບລະບົບນິເວດເອີຣົບ, ບ່ອນທີ່ຄ່າໃຊ້ຈ່າຍດ້ານພະລັງງານແລະຂໍ້ກໍານົດກົດລະບຽບກ່ຽວກັບການປ່ອຍອາຍພິດແມ່ນເຄັ່ງຄັດໂດຍສະເພາະ, ຄວາມສໍາເລັດຂອງການສະເຫນີປະເພດນີ້ສາມາດພິສູດໄດ້. ຮາດແວ AI ທີ່ມີປະສິດທິພາບຫຼາຍ ນີ້ຈະເຫມາະສົມກັບຍຸດທະສາດການຫັນປ່ຽນສີຂຽວ, ໃນຂະນະທີ່ຍັງອະນຸຍາດໃຫ້ບໍລິສັດແລະຜູ້ບໍລິຫານນໍາໃຊ້ຄໍາຮ້ອງສະຫມັກ AI ຂັ້ນສູງໂດຍບໍ່ມີການເພີ່ມການບໍລິໂພກຂອງພວກເຂົາ.

ໂຄງການຂອງ AI ທີ່ບໍ່ ທຳ ມະດາ ມັນປະກອບຫຼາຍແນວໂນ້ມທີ່ສໍາຄັນຂອງປັດຈຸບັນ: ຮອບໃຫຍ່ໃນຂັ້ນຕອນຂອງເມັດ, ຮາດແວທີ່ອອກແບບມາຈາກພື້ນຖານສໍາລັບ AI, ແຮງບັນດານໃຈໂດຍກົງຈາກຊີວະສາດ, ແລະຄວາມຫຼົງໄຫຼກັບປະສິດທິພາບພະລັງງານທີ່ຕອບສະຫນອງກັບຄວາມເປັນຈິງທີ່ເພີ່ມຂຶ້ນ. ຖ້າບໍລິສັດສາມາດປະຕິບັດຄໍາຫມັ້ນສັນຍາຂອງຕົນໃນຊິລິໂຄນ, ມັນສາມາດກາຍເປັນຫນຶ່ງໃນຜູ້ນສໍາຄັນທີ່ກໍານົດວິທີການແບບຈໍາລອງທາງປັນຍາທຽມໄດ້ຖືກຝຶກອົບຮົມແລະດໍາເນີນການໃນທົດສະວັດຕໍ່ໄປ, ທັງໃນສະຫະລັດແລະເອີຣົບ, ແລະ, ໂດຍຂະຫຍາຍ, ໃນຕະຫຼາດເຊັ່ນ: ສະເປນ.

ບົດຄວາມທີ່ກ່ຽວຂ້ອງ:

Nvidia ເສີມສ້າງພັນທະມິດຍຸດທະສາດຂອງຕົນກັບ Synopsys ເຊິ່ງເປັນຫົວໃຈຂອງການອອກແບບຊິບ

ອາລເບີໂຕ ນາວາໂຣ

ຂ້ອຍເປັນນັກເທັກໂນໂລຍີທີ່ກະຕືລືລົ້ນທີ່ໄດ້ຫັນຄວາມສົນໃຈ "geek" ຂອງລາວໄປສູ່ອາຊີບ. ຂ້າ​ພະ​ເຈົ້າ​ໄດ້​ໃຊ້​ເວ​ລາ​ຫຼາຍ​ກ​່​ວາ 10 ປີ​ຂອງ​ຊີ​ວິດ​ຂອງ​ຂ້າ​ພະ​ເຈົ້າ​ໂດຍ​ການ​ນໍາ​ໃຊ້​ເຕັກ​ໂນ​ໂລ​ຊີ​ທີ່​ທັນ​ສະ​ໄຫມ​ແລະ tinkering ກັບ​ທຸກ​ປະ​ເພດ​ຂອງ​ໂຄງ​ການ​ອອກ​ຈາກ curiosity ອັນ​ບໍ​ລິ​ສຸດ​. ຕອນນີ້ຂ້ອຍມີຄວາມຊ່ຽວຊານດ້ານເທັກໂນໂລຍີຄອມພິວເຕີ ແລະເກມວີດີໂອ. ນີ້ແມ່ນຍ້ອນວ່າຫຼາຍກວ່າ 5 ປີທີ່ຂ້ອຍໄດ້ຂຽນສໍາລັບເວັບໄຊທ໌ຕ່າງໆກ່ຽວກັບເຕັກໂນໂລຢີແລະວິດີໂອເກມ, ການສ້າງບົດຄວາມທີ່ຊອກຫາເພື່ອໃຫ້ທ່ານມີຂໍ້ມູນທີ່ທ່ານຕ້ອງການໃນພາສາທີ່ທຸກຄົນເຂົ້າໃຈໄດ້.

ຖ້າທ່ານມີຄໍາຖາມໃດໆ, ຄວາມຮູ້ຂອງຂ້ອຍແມ່ນມາຈາກທຸກສິ່ງທຸກຢ່າງທີ່ກ່ຽວຂ້ອງກັບລະບົບປະຕິບັດການ Windows ເຊັ່ນດຽວກັນກັບ Android ສໍາລັບໂທລະສັບມືຖື. ແລະຄໍາຫມັ້ນສັນຍາຂອງຂ້າພະເຈົ້າແມ່ນກັບທ່ານ, ຂ້າພະເຈົ້າສະເຫມີເຕັມໃຈທີ່ຈະໃຊ້ເວລາສອງສາມນາທີແລະຊ່ວຍທ່ານແກ້ໄຂຄໍາຖາມໃດໆທີ່ທ່ານອາດຈະມີຢູ່ໃນໂລກອິນເຕີເນັດນີ້.