IBM 的类脑芯片可能是迄今为止运行人工智能速度最快的芯片_类脑计算芯片叫什么名字

10月20日消息:位于加利福尼亚州圣何塞的 IBM 研究人员开发了一款脑启发式计算芯片，该芯片可以通过更快速和更低功耗的工作方式，加速人工智能（AI）的发展。

他们的大规模 NorthPole 处理器芯片消除了频繁访问外部内存的需求，因此可以比现有架构执行图像识别等任务更快，同时消耗大大少于电能。

巴黎萨克雷大学帕莱索分校的纳米电子研究员 Damien Querlioz 表示：它的能效令人叹为观止。该项工作发表在《Science》杂志上，显示了计算和内存可以大规模集成，他表示：我认为这篇论文将撼动计算机架构的共识。

NorthPole 运行神经网络：多层次的简单计算单元数组，编程用于识别数据中的模式。底层接收数据，例如图像中的像素；每个后续层检测日益复杂的模式，并将信息传递给下一层。顶层生成输出，例如可以表示图像中是否包含猫、汽车或其他物体的可能性。

尽管某些计算机芯片可以有效处理这些计算，但它们在每次计算一个层次时仍需要使用称为 RAM 的外部内存。通过这种方式在芯片之间传输数据会减慢速度，这被称为冯·诺依曼瓶颈，以数学家约翰·冯·诺依曼的名字命名，他首次构思了基于处理单元和单独内存单元的标准计算机架构。

冯·诺依曼瓶颈是减慢计算应用（包括 AI）的最重要因素之一。它还导致能源效率低下。研究合著者、IBM 的计算机工程师达 Dharmendra Modha 表示，他曾经估计，在这种类型的架构上模拟人脑可能需要相当于 12 座核反应堆的输出。

NorthPole 由 256 个计算单元或核心组成，每个核心都包含自己的内存。位于 IBM 圣何塞阿尔马登研究中心的 IBM 脑启发式计算首席科学家 Modha 表示：你正在核心内减轻冯·诺依曼瓶颈的影响。

这些核心被连接成一个网络，灵感来自于人类大脑皮层各部分之间的白质连接。这和其他设计原则——大多数原则在此之前已经存在，但从未被结合在一个芯片上——使 NorthPole 在图像识别的标准基准测试中大大超越了现有的 AI 机器。尽管它没有使用最新和最微型化的制造过程，但它仍然比最先进的 AI 芯片的能耗低了五分之一。作者估计，如果采用最新的制造工艺来实现 NorthPole 设计，其效率将比当前设计高 25 倍。

但是，即使 NorthPole 的 224 兆字节 RAM 也不足以运行大型语言模型，比如聊天机器人 ChatGPT，即使在最精简的版本中，这些模型也需要几千兆字节的数据。此外，该芯片只能运行需要在分开的机器上预先进行训练的预编程神经网络。但论文的作者表示，NorthPole 架构在速度关键的应用中可能会非常有用，如自动驾驶汽车。

NorthPole 将内存单元尽可能靠近核心中的计算元素。在其他地方，研究人员正在使用新材料和制造工艺开发更激进的创新。这些使内存单元本身能够执行计算，从原理上可以进一步提高速度和效率。