研究人员开发了一种基于神经网络的处理器，通过消除访问外部存储器的需要，可以比传统芯片更快地执行人工智能任务。

即使是最好的CPU在处理数据时也会遇到瓶颈，因为计算需要使用RAM，而数据的来回穿梭会导致效率低下。据《自然》杂志报道，IBM希望通过其NorthPole芯片解决所谓的冯诺依曼瓶颈。

NorthPole处理器将少量内存嵌入到其256个内核中，这些内核的连接方式类似于大脑各部分与白质的连接方式。这意味着该芯片完全缓解了瓶颈。

IBM的NorthPole更多的是一个概念验证，而不是一个可以与AMD和Nvidia等公司竞争的功能齐全的芯片。例如，它仅包含224MB的RAM，远远不足以满足人工智能或运行大型语言模型(LLM)所需的规模。

该芯片还可以运行在单独系统上训练的预编程神经网络。但其独特的架构意味着真正的突出之处在于它可以夸耀的能源效率。研究人员声称，如果现在采用最先进的制造标准创建NorthPole，它的效率将比最好的GPU和最好的CPU高25倍。

据《自然》杂志报道，帕莱索巴黎萨克雷大学纳米电子学研究员达米安·奎利奥兹(DamienQuerlioz)表示：“它的能源效率令人惊叹。”他说：“这项发表在《科学》杂志上的研究表明，计算和内存可以大规模集成。”“我觉得这篇论文将动摇计算机架构中的普遍思维。”

它还可以在图像识别等任务中超越人工智能系统。其神经网络架构意味着底层接收数据，例如图像中的像素，随后的层开始检测随着信息从一层传递到下一层而变得更加复杂的模式。然后最上层输出最终结果，例如建议图像是否包含特定对象。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：