公众号记得加星标⭐️，第一时间看推送不会错过。 人工智能领域对计算能力的需求如此之大，以至于半导体行业难以满足这一需求。问题不仅在于计算 能力，还在于人工智能数据中心消耗的大量电力。 对于人工智能超大规模数据中心而言，这些问题在边缘产品制造商身上也有着类似的缩影，这些边缘 产品通常在设备端执行人工智能，并依靠电池供电。边缘应用开发者希望部署规模越来越大的模型， 以获得更精确的推理并为系统注入更多智能，但却受到微控制器和微处理器的人工智能性能缓慢和功 耗高的限制。 半导体行业目前采用的渐进式人工智能芯片改进方法，无法快速解决这个问题。大多数半导体公司在 人工智能领域的做法是，沿用传统的计算功能架构，然后对其进行微调，使其乘加运算（神经网络的 核心运算）的执行速度和效率略有提高。 但这种方法忽略了一个事实：过去几十年逻辑芯片中使用的通用计算架构并不适用于人工智能系统所 需的大规模并行和互联矩阵计算操作。人工智能行业对低功耗、高速矩阵计算的迫切需求，需要在硅 芯片层面采用一种全新的方法。正如我们将在本文中看到的，Ambient Scientific 在其 GPX 系列人 工智能处理器中正是实现了这一点。 传统冯·诺 ...