Στο μακρύ ξεδιπλούμενο τόξο της τεχνολογικής καινοτομίας, η τεχνητή νοημοσύνη (AI) φαίνεται απέραντη. Στην προσπάθειά της να μιμηθεί την ανθρώπινη συμπεριφορά, η τεχνολογία αγγίζει την ενέργεια, τη γεωργία, την κατασκευή, την εφοδιαστική, την υγειονομική περίθαλψη, τις κατασκευές, τις μεταφορές και σχεδόν κάθε άλλη βιομηχανία που μπορεί να φανταστεί κανείς – ένας καθοριστικός ρόλος που υπόσχεται να παρακολουθήσει γρήγορα την τέταρτη Βιομηχανική Επανάσταση. Και αν οι χρησμοί του κλάδου το έχουν δίκιο, η ανάπτυξη της τεχνητής νοημοσύνης δεν θα είναι παρά εκρηκτική.
Το Διαδίκτυο των Πραγμάτων (IoT) και το 4G/5G, και οι δύο βασικοί ενεργοποιητές τεχνητής νοημοσύνης, αναμένεται να αντιπροσωπεύουν περισσότερο από το 75 τοις εκατό των συνδέσεων συσκευών έως το 2025. Προκειμένου να επεξεργαστεί ο κολοσσιαίος όγκος δεδομένων που είναι κεντρικός στην υπόσχεση της τεχνητής νοημοσύνης, από πάνω από 30 δισεκατομμύρια συνδεδεμένες συσκευές παγκοσμίως, η βιομηχανία πρέπει τώρα να ξεπεράσει τα όρια μιας βασικής τεχνολογίας: της μνήμης.
Η μνήμη ως κρίσιμο σημείο συμφόρησης AI
Η πρόκληση για τη μνήμη ξεκινά με την απόδοση. Ιστορικά, κάθε δεκαετία, τα κέρδη στην απόδοση του υπολογιστή ξεπέρασαν τις βελτιώσεις στην ταχύτητα μνήμης κατά 100 φορές και τα τελευταία 20 χρόνια αυτό το χάσμα έχει αυξηθεί. Το αποτέλεσμα αυτής της τάσης είναι ότι η μνήμη έχει περιορισμένη απόδοση υπολογιστών και τεχνητής νοημοσύνης.
Η βιομηχανία ανταποκρίθηκε αναπτύσσοντας διάφορες μεθόδους για την εφαρμογή συστημάτων μνήμης σε τσιπ τεχνητής νοημοσύνης, με το καθένα να είναι εξειδικευμένο για διαφορετικές ανάγκες απόδοσης και το καθένα να απαιτεί διαφορετικούς συμβιβασμούς. Μεταξύ των πρωτοπόρων:
- Μνήμη στο τσιπ παρέχει το υψηλότερο εύρος ζώνης και απόδοση ισχύος, αλλά είναι περιορισμένη σε χωρητικότητα.
- HBM (Μνήμη υψηλού εύρους ζώνης) προσφέρει τόσο πολύ υψηλό εύρος ζώνης και πυκνότητα μνήμης.
- GDDR προσφέρει καλές αντισταθμίσεις μεταξύ του εύρους ζώνης, της απόδοσης ισχύος, του κόστους και της αξιοπιστίας.
Από το 2012, η ικανότητα εκπαίδευσης AI έχει αυξηθεί 300,000 φορές. Αυτή η ανάπτυξη ξεπέρασε τον νόμο του Μουρ κατά 25,000 φορές, διπλασιαζόμενος κάθε 3.5 μήνες, ρυθμός που είναι φουσκωτός σε σύγκριση με τον 18μηνο κύκλο διπλασιασμού του νόμου του Μουρ. Οι συγκλονιστικές πρόσφατες βελτιώσεις έχουν αποδοθεί στην παράλληλη υπολογιστική ικανότητα και στο νέο πυρίτιο για συγκεκριμένες εφαρμογές, όπως η Μονάδα Επεξεργασίας Τενσόρ (TPU) της Google.
Οι εξειδικευμένες αρχιτεκτονικές πυριτίου και οι παράλληλοι κινητήρες είναι ένα κλειδί για τη διατήρηση μελλοντικών κερδών στην υπολογιστική απόδοση και την καταπολέμηση της επιβράδυνσης του νόμου του Moore και του τερματισμού της κλιμάκωσης ισχύος. Επανεξετάζοντας τον τρόπο με τον οποίο σχεδιάζονται οι επεξεργαστές για ορισμένες αγορές, οι κατασκευαστές τσιπ μπορούν να αναπτύξουν αποκλειστικό υλικό ικανό να λειτουργεί με μεταξύ 100 και 1,000 φορές μεγαλύτερη ενεργειακή απόδοση από τους επεξεργαστές γενικού σκοπού για να ξεπεράσουν έναν άλλο μεγάλο περιορισμό στην κλιμάκωση της υπολογιστικής απόδοσης: την επεξεργαστική ισχύ.
Από την πλευρά της, η βιομηχανία μνήμης μπορεί να βελτιώσει την απόδοση σηματοδοτώντας με υψηλότερους ρυθμούς δεδομένων και χρησιμοποιώντας στοιβαγμένες αρχιτεκτονικές όπως το HBM για μεγαλύτερη ενεργειακή απόδοση και απόδοση, και φέρνοντας τον υπολογιστή πιο κοντά στα δεδομένα.
Κλίμακα μνήμης για AI
Μια βασική πρόκληση είναι η κλιμάκωση της μνήμης για εφαρμογές τεχνητής νοημοσύνης (AI). Η αυξανόμενη ζήτηση των καταναλωτών για καλύτερες εμπειρίες φωνής, χειρονομίας, αναγνώρισης προσώπου και πιο καθηλωτικές αλληλεπιδράσεις εικονικής πραγματικότητας και επαυξημένης πραγματικότητας αποκτά μεγαλύτερη σημασία. Η προσφορά αυτών των εμπειριών απαιτεί περισσότερη υπολογιστική ικανότητα από υπολογιστές υψηλής απόδοσης (HPC) για να είναι δυνατή η ανάλυση μεγάλων δεδομένων, η εκτέλεση των ίδιων των αναλυτικών στοιχείων, καθώς και διαδικασίες μηχανικής μάθησης που δημιουργούν σημαντικές πληροφορίες χρησιμοποιώντας AI και νοημοσύνη μηχανών.
Οι αναδυόμενες εφαρμογές μηχανικής μάθησης περιλαμβάνουν ταξινόμηση και ασφάλεια, ιατρική, προηγμένη βοήθεια οδηγού, σχεδιασμό με βοήθεια ανθρώπου, αναλύσεις σε πραγματικό χρόνο και βιομηχανικό αυτοματισμό. Με 75 δισεκατομμύρια συσκευές συνδεδεμένες με IoT που αναμένεται να παράγουν δεδομένα έως το 2025, δεν θα υπάρχει έλλειψη δεδομένων προς ανάλυση. Για παράδειγμα, μόνο τα φτερά ενός νέου Airbus A380-1000 διαθέτουν πάνω από 10,000 αισθητήρες. Τα βουνά αυτών των δεδομένων αποθηκεύονται σε τεράστια κέντρα δεδομένων σε μαγνητικούς σκληρούς δίσκους και στη συνέχεια μεταφέρονται στη μνήμη DRAM προτού μεταφερθούν στη SRAM εντός της CPU για να παραδοθούν στο υπολογιστικό υλικό για ανάλυση.
Με τα αποθηκευμένα δεδομένα να αυξάνονται σε ένα εκθετικό κλιπ, το ερώτημα είναι πώς να βεβαιωθείτε ότι όλα τα άλλα συστήματα μνήμης είναι σε θέση να χειριστούν την πλημμύρα δεδομένων. Η απάντηση της AMD είναι μια αρχιτεκτονική chiplet που διαθέτει οκτώ μικρότερα τσιπ γύρω από την άκρη που οδηγούν τον υπολογισμό και ένα μεγάλο τσιπ στο κέντρο που διπλασιάζει τη διεπαφή IO και τη δυνατότητα μνήμης για να διπλασιάσει το εύρος ζώνης των τσιπ.
Η AMD έχει επίσης μετακινηθεί από μια παλαιού τύπου διαμόρφωση τσιπ μνήμης GDDR5 σε HBM (μνήμη υψηλού εύρους ζώνης) για να φέρει το εύρος ζώνης της μνήμης πιο κοντά στη GPU για να επεξεργάζεται εφαρμογές τεχνητής νοημοσύνης πιο αποτελεσματικά. Το HBM παρέχει πολύ υψηλότερο εύρος ζώνης ενώ μειώνει την κατανάλωση ενέργειας. Σε σύγκριση με το DRAM, το HBM της AMD προσφέρει πολύ ταχύτερο ρυθμό δεδομένων και πολύ μεγαλύτερη πυκνότητα μνήμης από το DRAM για να φέρει τη μνήμη πιο κοντά στη GPU, ώστε οι εφαρμογές τεχνητής νοημοσύνης να επεξεργάζονται πιο αποτελεσματικά.
Κατά την επόμενη δεκαετία, αναζητήστε περισσότερες βελτιώσεις απόδοσης από αρχιτεκτονικές πολλαπλών τσιπ, καινοτομίες στην τεχνολογία και ενσωμάτωση μνήμης, επιθετική στοίβαξη 3D και βελτιωμένες διασυνδέσεις σε επίπεδο συστήματος. Ο κλάδος θα συνεχίσει επίσης να αυξάνει την απόδοση στις συσκευές, την υπολογιστική πυκνότητα και την ισχύ μέσω της κλιμάκωσης της τεχνολογίας.
- 000
- 100
- 3d
- Λογαριασμός
- γεωργία
- AI
- Εκπαίδευση AI
- Όλα
- μεταξύ των
- ανάλυση
- analytics
- εφαρμογές
- αρχιτεκτονική
- γύρω
- τεχνητή νοημοσύνη
- Τεχνητή νοημοσύνη (AI)
- Augmented Reality
- Αυτοματοποίηση
- Δισεκατομμύριο
- Χωρητικότητα
- πρόκληση
- τσιπ
- τσιπ
- ταξινόμηση
- πιο κοντά
- Υπολογίστε
- χρήση υπολογιστή
- συνδεδεμένες συσκευές
- Διασυνδέσεις
- δόμηση
- καταναλωτής
- κατανάλωση
- ΣΥΝΕΧΕΙΑ
- ημερομηνία
- Δεδομένα Analytics
- κέντρα δεδομένων
- Ζήτηση
- Υπηρεσίες
- ανάπτυξη
- Συσκευές
- οδηγός
- άκρη
- αποδοτικότητα
- ενέργεια
- ενεργειακή απόδοση
- Δραστηριοτητες
- αναγνώριση προσώπου
- FAST
- Χαρακτηριστικό
- τέταρτη βιομηχανική επανάσταση
- μελλοντικός
- χάσμα
- General
- καλός
- GPU
- Μεγαλώνοντας
- Ανάπτυξη
- υλικού
- υγειονομική περίθαλψη
- Ψηλά
- Πως
- Πώς να
- HTTPS
- immersive
- βιομηχανικές
- βιομηχανικός αυτοματισμός
- Βιομηχανική επανάσταση
- βιομηχανία
- Καινοτομία
- ιδέες
- ολοκλήρωση
- Νοημοσύνη
- IoT
- IT
- Κλειδί
- large
- Νόμος
- μάθηση
- Περιωρισμένος
- επιμελητεία
- Μακριά
- μάθηση μηχανής
- κατασκευής
- αγορές
- ιατρική
- μήνες
- προσφορά
- προσφορές
- λειτουργίας
- τάξη
- ΑΛΛΑ
- επίδοση
- δύναμη
- αναζήτηση
- Τιμές
- σε πραγματικό χρόνο
- Πραγματικότητα
- τρέξιμο
- απολέπιση
- ασφάλεια
- αισθητήρες
- Αναστροφή
- So
- ταχύτητα
- συστήματα
- Τεχνολογία
- μονάδα επεξεργασίας τάσης
- τροχιά
- Εκπαίδευση
- μεταφορά
- Πραγματικός
- Εικονική πραγματικότητα
- Φωνή
- εντός
- παγκόσμιος
- χρόνια