| 广告联系 | 繁体版 | 手机版 | 微信 | 微博 | 搜索:
欢迎您 游客 | 登录 | 免费注册 | 忘记了密码 | 社交账号注册或登录

首页

温哥华资讯

温哥华地产

温哥华教育

温哥华财税

新移民/招聘

黄页/二手

旅游

一家芯片初创公司,单挑Nvidia和Intel


请用微信 扫一扫 扫描上面的二维码,然后点击页面右上角的 ... 图标,然后点击 发送给朋友分享到朋友圈,谢谢!
在2024 年 10 月推出隐身模式的时候,以色列芯片初创公司NextSilicon 表示,其即将推出的Maverick-2 是世界上第一款智能计算加速器 (ICA:Intelligent Compute Accelerator),旨在满足高性能计算人工智能 (HPC-AI) 应用的需求,是一种“新颖且原创的计算架构”,可在降低功耗和成本的同时提高性能。


刚刚。经过八年时间、3.03 亿美元的种子资金和三轮风险投资的NextSilicon 终于推出了其 64 位数据流引擎的多个版本。与此同时,该公司还将推出一款名为 Arbel 的自主研发 RISC-V 处理器,该芯片或将与 Maverick-2 搭配使用,打造诸如英伟达“Superchip”类型的产品。




从左到右:NextSilicon Arbel RISC-V CPU、Maverick-1 DFP、Maverick-2 DFP 和用于 OAM 插座的双芯片 Maverick-2。

NextSilicon 成立于 2017 年,远早于 GenAI 热潮兴起之时,但当时人们已经意识到 HPC 和 AI 计算引擎架构即将分道扬镳——而且不利于专注于 64 位和 32 位浮点计算的 HPC 仿真和建模领域。即使没有像 Cerebras Systems、Graphcore、Groq、Habana Labs、Nervana Systems、SambaNova Systems 等公司那样直接进军 AI 市场的初步计划,NextSilicon 也已在三轮融资中筹集了 2.026 亿美元,其中 C 轮融资于 2021 年 6 月完成,融资金额为 1.2 亿美元。

当时,NextSilicon 的估值约为 15 亿美元,这笔资金和原型设计工作的完成意味着美国能源部可以了解 NextSilicon 的动向。彼时,桑迪亚国家实验室还和 NextSilicon 合作设计和测试了 Maverick-1 数据流引擎,目前桑迪亚正在构建一款名为“Spectra”的新型架构超级计算机,这是其 Vanguard-II 计划的一部分。据推测,这台超级计算机将使用今天发布的 Maverick-2 数据流引擎构建。


一条全新的道路

在英伟达已经牢牢把持市场的当下,为什么需要构建一个新的芯片?“这主要是因为没有专门用于高性能计算的加速器,”NextSilicon 创始人兼首席执行官 Elad Raz在去年接受媒体采访的时候如此说。他指出,我们有数百家公司在为人工智能和机器学习做加速,大多数大型供应商都在转向人工智能机器学习。你可以看到大型超级计算机对他们意味着什么——他们只需构建一个新的 GPU 集群,成本是原来的两倍,功耗是原来的两倍,但得到的却是相同的 FP64 浮点运算能力。而NextSilicon 是一家以高性能计算 (HPC) 为先的公司。”


他们打算走上的是一条全新的道路。

众所周知,尽管 GPU 和 CPU 助力了高性能计算 (HPC) 和人工智能 (AI) 领域的重大科学和社会突破,但它们正面临着收益递减的未来。NextSilicon 的创始人没有继续走老路,没有投入巨资打造规模越来越大的人工智能工厂,配备越来越强大的 GPU(以及更先进的电源和冷却系统),而是决定尝试一条不同的道路。

Elad Raz 指出,尽管拥有 80 年历史的冯·诺依曼架构为我们提供了通用可编程的计算基础,但它也带来了巨大的开销。他表示,98% 的芯片用于控制开销任务,例如分支预测、乱序逻辑和指令处理,而只有 2% 的芯片用于执行应用程序核心的实际计算。


点个赞吧!您的鼓励让我们进步     还没人说话啊,我想来说几句
上一页123456下一页
注:
  • 新闻来源于其它媒体,内容不代表本站立场!
  • 在此页阅读全文
    猜您喜欢:
    您可能也喜欢:
    我来说两句:
    评论:
    安全校验码:
    请在此处输入图片中的数字
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西网为北美中文网传媒集团旗下网站

    页面生成: 0.0302 秒 and 5 DB Queries in 0.0014 秒