雖然這篇V矩陣 技能核心鄉民發文沒有被收入到精華區:在V矩陣 技能核心這個話題中,我們另外找到其它相關的精選爆讚文章
在 v矩陣產品中有23篇Facebook貼文,粉絲數超過3,992的網紅台灣物聯網實驗室 IOT Labs,也在其Facebook貼文中提到, 摩爾定律放緩 靠啥提升AI晶片運算力? 作者 : 黃燁鋒,EE Times China 2021-07-26 對於電子科技革命的即將終結的說法,一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續,也就意味著資訊技術的整棟大樓建造都將出現停滯,那麼第三次科技革命也就正式結束了。這種聲音似乎...
同時也有24部Youtube影片,追蹤數超過4萬的網紅Leo 里歐,也在其Youtube影片中提到,簡單的介紹一下關於接下來要推出的5轉相關系統 內容都是以新楓之谷為參考介紹 剛影片上傳後有看到官方粉絲團也有公告相關內容 主要還是以官方公告與遊戲內為主唷! 巴哈精華V矩陣技能介紹: https://forum.gamer.com.tw/C.php?bsn=7650&snA=942405 抽獎活...
v矩陣 在 大人學 Instagram 的最佳解答
2021-09-24 16:34:01
【不被討厭的聊天法則🙆🏻♂️】 這幾天大家有沒有看到一篇 貼出與女生對話截圖的貼文? 那篇貼文以及延伸的討論 這幾天在社群平台可為瘋狂的傳播 而收穫的回饋基本上十分慘烈 𓇠 聊天的技巧較難用一篇貼文說清楚 有興趣的朋友可以參考 【 #第一次閒聊就上手的系統化做法】 透過這場講座學會...
v矩陣 在 模型格納庫 Instagram 的最佳貼文
2021-09-24 12:24:21
B.E.E.! 火力全開!! #核能矩陣 #雛蜂 #琉璃 #組裝模型 #模型格納庫武昌總店 #HOBBYGARAGE...
v矩陣 在 大人學 Instagram 的最佳貼文
2021-09-24 16:34:01
【如何和剛認識的女生聊天】 剛剛結束了一場約會 你自認為氣氛不錯、聊得很愉快 但之後對方卻再也沒了消息⋯⋯ 有沒有想過 或許問題是出在「不會聊天」?! 𓇠 雖然自己滔滔不絕 但女方說不定早已興趣缺缺 只是故作禮貌的回應 無法引起他人興趣還算事小 但萬一一個不小心說錯話 反倒使人反...
-
v矩陣 在 Leo 里歐 Youtube 的最佳解答
2021-06-30 20:25:58簡單的介紹一下關於接下來要推出的5轉相關系統
內容都是以新楓之谷為參考介紹
剛影片上傳後有看到官方粉絲團也有公告相關內容
主要還是以官方公告與遊戲內為主唷!
巴哈精華V矩陣技能介紹:
https://forum.gamer.com.tw/C.php?bsn=7650&snA=942405
抽獎活動進行中!
這次不抽黃金蘋果🍎我要直接爆開7箱『黃金寶箱』!
https://www.youtube.com/watch?v=SIfdbvpUo0I
☝留言就抽『黃金蘋果』
意外得知朋友打到漆黑眼罩😏就拿來偷渡星力啦
https://www.youtube.com/watch?v=5HLXRxmyIl4
☝留言就抽『18星力卷軸』
綁定BeanFun!APP 就能免費領取青蛙滑水道椅子 還有機會抽到樂豆點唷
https://tw-event.beanfun.com/MapleStory/Event/E20210623/index.aspx?bfContainer
合作聯繫請來信:leolincontact@gmail.com
★原聯絡信箱 zty5695005@gmail.com 仍會持續管理,合作過的廠商亦可來信於此★
或聯繫Whatsapp:+886912431759
(影片剪輯/手遊.PC介紹試玩/置入遊戲畫面/介紹影片)
🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡
里歐的頻道會員開啟囉!
點擊加入👉https://www.youtube.com/channel/UCLlE4endO2rIcWqUqc76xDA/join
之後的抽獎也會新增『專屬會員』的獎項🎁
不過請放心!原有獎項一樣不會少
不管是不是會員里歐一樣都相當重視相當愛的
⭐會員專屬抽獎活動⭐第三波to be continued
點擊加入👉https://www.youtube.com/channel/UCLlE4endO2rIcWqUqc76xDA/join
🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡🧡
影片系列清單在這↓↓↓
黃金蘋果系列
https://www.youtube.com/playlist?list=PLKE0QdIUsM8iZ5tXJ95cb2zKaMSeFjhKl
皇家美髮系列
https://www.youtube.com/playlist?list=PLKE0QdIUsM8j1yhFEYOwnRpS8kqHeWCNx
時尚隨機箱系列
https://www.youtube.com/playlist?list=PLKE0QdIUsM8iMhTMPgOK12YYC3ndEBTul
方塊系列
https://www.youtube.com/playlist?list=PLKE0QdIUsM8hNKl-TPrT7Xa_ej1FmHaFQ
其他抽獎系列(滅龍.星火.潘朵拉等...)
https://www.youtube.com/playlist?list=PLKE0QdIUsM8iWFuCwYNP8d9HBiPBr9Hki
頻道淺談(youtube第一份收入等...)
https://www.youtube.com/playlist?list=PLKE0QdIUsM8hHxYlOQ7Pcb2iklPZQDGb-
灌籃高手SLAMDUNK
https://www.youtube.com/playlist?list=PLKE0QdIUsM8i7JK-m3DehOT5uvFm1qihI
一拳超人系列
https://www.youtube.com/playlist?list=PLKE0QdIUsM8i_zZnpVzsMHh_k5STFyUvN
🎉里歐的LINE官方帳號正式成立了🎉
👉點這加入https://lin.ee/ueAs8T0
我的Instagram開始經營囉!
主要會是以我個人的生活照以及限時為主
https://www.instagram.com/leolin_0122
我的FB臉書粉絲團 趕緊搜尋【Leo里歐】
https://fb.me/Leotv.youtube
贊助連結~給里歐再一抽的機會!有餘力再贊助就可以囉!
歐付寶會員編號2216296
https://payment.opay.tw/Broadcaster/Donate/87B91CDF04FC222763C0CF9CDD2CEFDA
________________________________________________________________________________________
Paypal贊助連結
https://PayPal.Me/youtubeLeoTV
只要贊助100元或以上,記得粉專私訊你/妳的賴ID
我會親自把你加入我的非洲專屬LINE群內唷~
☆其他贊助管道也可透過粉專私訊我唷★
#楓之谷M#MapleStoryM #手遊
#新楓之谷
#Leo里歐
#메이플스토리
#Maplestory
#TMS -
v矩陣 在 7Car小七車觀點 Youtube 的最讚貼文
2021-03-23 08:00:03新在哪裡?
●換上新款前後保險桿、頭尾燈組及細節設計
●280 TSI Elegance 以上車型搭載 IQ.LIGHT 智慧燈組 (LED Matrix 矩陣式頭燈),並導入 Level 2 半自動駕駛輔助
●首度導入 Travel Assist 智慧車陣穿梭系統。
●提供「星輝閻夜藍」、「星砂海豚灰」及「星際月岩灰」共 3 款新車色
●座艙內配置 10.25 吋全邏輯數位化儀表及第三代 MIB 模組化資訊娛樂系統
●搭配 Soft Key 全平面虛擬按鍵及手勢控制功能,也具備原廠中文導航系統、App-Connect 多媒體手機鏡射(含 Android Auto 與無線 Apple CarPlay)
●配備 Harman Kardon 環繞音響系統及 30 色車室氛圍燈
#Tiguan
#280
#休旅車
延伸閱讀:https://www.7car.tw/articles/read/73257
更多車訊都在【小七車觀點】:https://www.7car.tw/
【七哥試駕都在這邊】:https://reurl.cc/O1xnWr
--------------------------------------
「小七哥」親自實測嚴選的商品都在【七車坊】
https://shop.7car.tw/
台灣商用車專屬網站【商車王】
https://www.truck.tw/
記得訂閱追蹤YouTube唷 》》》
7Car →https://reurl.cc/pdQL7d
7Car新聞頻道 →https://reurl.cc/MvnRrm
台灣車文庫 →https://reurl.cc/ar61QQ -
v矩陣 在 李祥數學,堪稱一絕 Youtube 的最佳解答
2020-11-01 12:00:26上集在「羅文好公民」,請點擊以下網址前往觀看並多多訂閱喔:https://youtu.be/dRSTQ1PdGF8
成為這個頻道的會員並獲得獎勵:
https://www.youtube.com/channel/UCU2axN3MDyvq01LOK1umZGQ/join
追蹤我的ig:https://www.instagram.com/garylee0617/
加入我的粉絲專頁:https://www.facebook.com/pg/garylee0617/
有問題來這裡發問:https://www.facebook.com/groups/577900652853942/
喜歡這支影片,記得按個"喜歡",並且分享
訂閱就可以看到最新的影片
你最棒,記得按鈴鐺^^
國中會考總複習:https://www.youtube.com/playlist?list=PLOAKxvSm6LGlbMqjF4W6ElHM_lrFZijkg
抖音精選:https://www.youtube.com/playlist?list=PLOAKxvSm6LGmoWuzdrsxoeKQBR_GgZyIk
學測考前猜題:
https://www.youtube.com/playlist?list=PLOAKxvSm6LGko-fghK4k3eZJ23pmWqN_k
指考數甲數乙總複習
https://www.youtube.com/playlist?list=PLOAKxvSm6LGlrdoVFRflK46Cm25CGvLBr
數學思考題型:https://www.youtube.com/playlist?list=PLOAKxvSm6LGmx__4F2KucNWpEvr1rawkw
關於數學的兩三事:https://www.youtube.com/playlist?list=PLOAKxvSm6LGlD5ABfGtLkOhNIRfWxIRc5
高中數學重要觀念解析:https://www.youtube.com/playlist?list=PLOAKxvSm6LGkzAh5k3h-CI0-clwS7xsWm
高中數學講座:https://www.youtube.com/playlist?list=PLOAKxvSm6LGmgafYQliX1Ewh2Ajun9NNn
統測考前猜題:
https://www.youtube.com/playlist?list=PLOAKxvSm6LGkP_Nvl8iToZUWNfOHT42Pg
v矩陣 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
摩爾定律放緩 靠啥提升AI晶片運算力?
作者 : 黃燁鋒,EE Times China
2021-07-26
對於電子科技革命的即將終結的說法,一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續,也就意味著資訊技術的整棟大樓建造都將出現停滯,那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有的,但這波革命始終也沒有結束。AI技術本質上仍然是第三次科技革命的延續……
人工智慧(AI)的技術發展,被很多人形容為第四次科技革命。前三次科技革命,分別是蒸汽、電氣、資訊技術(電子科技)革命。彷彿這“第四次”有很多種說辭,比如有人說第四次科技革命是生物技術革命,還有人說是量子技術革命。但既然AI也是第四次科技革命之一的候選技術,而且作為資訊技術的組成部分,卻又獨立於資訊技術,即表示它有獨到之處。
電子科技革命的即將終結,一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續,也就意味著資訊技術的整棟大樓建造都將出現停滯,那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有,但這波革命始終也沒有結束。
AI技術本質上仍然是第三次科技革命的延續,它的發展也依託於幾十年來半導體科技的進步。這些年出現了不少專門的AI晶片——而且市場參與者相眾多。當某一個類別的技術發展到出現一種專門的處理器為之服務的程度,那麼這個領域自然就不可小覷,就像當年GPU出現專門為圖形運算服務一樣。
所以AI晶片被形容為CPU、GPU之後的第三大類電腦處理器。AI專用處理器的出現,很大程度上也是因為摩爾定律的發展進入緩慢期:電晶體的尺寸縮減速度,已經無法滿足需求,所以就必須有某種專用架構(DSA)出現,以快速提升晶片效率,也才有了專門的AI晶片。
另一方面,摩爾定律的延緩也成為AI晶片發展的桎梏。在摩爾定律和登納德縮放比例定律(Dennard Scaling)發展的前期,電晶體製程進步為晶片帶來了相當大的助益,那是「happy scaling down」的時代——CPU、GPU都是這個時代受益,不過Dennard Scaling早在45nm時期就失效了。
AI晶片作為第三大類處理器,在這波發展中沒有趕上happy scaling down的好時機。與此同時,AI應用對運算力的需求越來越貪婪。今年WAIC晶片論壇圓桌討論環節,燧原科技創始人暨CEO趙立東說:「現在訓練的GPT-3模型有1750億參數,接近人腦神經元數量,我以為這是最大的模型了,要千張Nvidia的GPU卡才能做。談到AI運算力需求、模型大小的問題,說最大模型超過萬億參數,又是10倍。」
英特爾(Intel)研究院副總裁、中國研究院院長宋繼強說:「前兩年用GPU訓練一個大規模的深度學習模型,其碳排放量相當於5台美式車整個生命週期產生的碳排量。」這也說明了AI運算力需求的貪婪,以及提供運算力的AI晶片不夠高效。
不過作為產業的底層驅動力,半導體製造技術仍源源不斷地為AI發展提供推力。本文將討論WAIC晶片論壇上聽到,針對這個問題的一些前瞻性解決方案——有些已經實現,有些則可能有待時代驗證。
XPU、摩爾定律和異質整合
「電腦產業中的貝爾定律,是說能效每提高1,000倍,就會衍生出一種新的運算形態。」中科院院士劉明在論壇上說,「若每瓦功耗只能支撐1KOPS的運算,當時的這種運算形態是超算;到了智慧型手機時代,能效就提高到每瓦1TOPS;未來的智慧終端我們要達到每瓦1POPS。 這對IC提出了非常高的要求,如果依然沿著CMOS這條路去走,當然可以,但會比較艱辛。」
針對性能和效率提升,除了尺寸微縮,半導體產業比較常見的思路是電晶體結構、晶片結構、材料等方面的最佳化,以及處理架構的革新。
(1)AI晶片本身其實就是對處理器架構的革新,從運算架構的層面來看,針對不同的應用方向造不同架構的處理器是常規,更專用的處理器能促成效率和性能的成倍增長,而不需要依賴於電晶體尺寸的微縮。比如GPU、神經網路處理器(NPU,即AI處理器),乃至更專用的ASIC出現,都是這類思路。
CPU、GPU、NPU、FPGA等不同類型的晶片各司其職,Intel這兩年一直在推行所謂的「XPU」策略就是用不同類型的處理器去做不同的事情,「整合起來各取所需,用組合拳會好過用一種武器去解決所有問題。」宋繼強說。Intel的晶片產品就涵蓋了幾個大類,Core CPU、Xe GPU,以及透過收購獲得的AI晶片Habana等。
另外針對不同類型的晶片,可能還有更具體的最佳化方案。如當代CPU普遍加入AVX512指令,本質上是特別針對深度學習做加強。「專用」的不一定是處理器,也可以是處理器內的某些特定單元,甚至固定功能單元,就好像GPU中加入專用的光線追蹤單元一樣,這是當代處理器普遍都在做的一件事。
(2)從電晶體、晶片結構層面來看,電晶體的尺寸現在仍然在縮減過程中,只不過縮減幅度相比過去變小了——而且為緩解電晶體性能的下降,需要有各種不同的技術來輔助尺寸變小。比如說在22nm節點之後,電晶體變為FinFET結構,在3nm之後,電晶體即將演變為Gate All Around FET結構。最終會演化為互補FET (CFET),其本質都是電晶體本身充分利用Z軸,來實現微縮性能的提升。
劉明認為,「除了基礎元件的變革,IC現在的發展還是比較多元化,包括新材料的引進、元件結構革新,也包括微影技術。長期賴以微縮的基本手段,現在也在發生巨大的變化,特別是未來3D的異質整合。這些多元技術的協同發展,都為晶片整體性能提升帶來了很好的增益。」
他並指出,「從電晶體級、到晶圓級,再到晶片堆疊、引線接合(lead bonding),精準度從毫米向奈米演進,互連密度大大提升。」從晶圓/裸晶的層面來看,則是眾所周知的朝more than moore’s law這樣的路線發展,比如把兩片裸晶疊起來。現在很熱門的chiplet技術就是比較典型的並不依賴於傳統電晶體尺寸微縮,來彈性擴展性能的方案。
台積電和Intel這兩年都在大推將不同類型的裸晶,異質整合的技術。2.5D封裝方案典型如台積電的CoWoS,Intel的EMIB,而在3D堆疊上,Intel的Core LakeField晶片就是用3D Foveros方案,將不同的裸晶疊在一起,甚至可以實現兩片運算裸晶的堆疊、互連。
之前的文章也提到過AMD剛發佈的3D V-Cache,將CPU的L3 cache裸晶疊在運算裸晶上方,將處理器的L3 cache大小增大至192MB,對儲存敏感延遲應用的性能提升。相比Intel,台積電這項技術的獨特之處在於裸晶間是以混合接合(hybrid bonding)的方式互連,而不是micro-bump,做到更小的打線間距,以及晶片之間數十倍通訊性能和效率提升。
這些方案也不直接依賴傳統的電晶體微縮方案。這裡實際上還有一個方面,即新材料的導入專家們沒有在論壇上多說,本文也略過不談。
1,000倍的性能提升
劉明談到,當電晶體微縮的空間沒有那麼大的時候,產業界傾向於採用新的策略來評價技術——「PPACt」——即Powe r(功耗)、Performance (性能)、Cost/Area-Time (成本/面積-時間)。t指的具體是time-to-market,理論上應該也屬於成本的一部分。
電晶體微縮方案失效以後,「多元化的技術變革,依然會讓IC性能得到進一步的提升。」劉明說,「根據預測,這些技術即使不再做尺寸微縮,也會讓IC的晶片性能做到500~1,000倍的提升,到2035年實現Zetta Flops的系統性能水準。且超算的發展還可以一如既往地前進;單裸晶儲存容量變得越來越大,IC依然會為產業發展提供基礎。」
500~1,000倍的預測來自DARPA,感覺有些過於樂觀。因為其中的不少技術存在比較大的邊際遞減效應,而且有更實際的工程問題待解決,比如運算裸晶疊層的散熱問題——即便業界對於這類工程問題的探討也始終在持續。
不過1,000倍的性能提升,的確說明摩爾定律的終結並不能代表第三次科技革命的終結,而且還有相當大的發展空間。尤其本文談的主要是AI晶片,而不是更具通用性的CPU。
矽光、記憶體內運算和神經型態運算
在非傳統發展路線上(以上內容都屬於半導體製造的常規思路),WAIC晶片論壇上宋繼強和劉明都提到了一些頗具代表性的技術方向(雖然這可能與他們自己的業務方向或研究方向有很大的關係)。這些技術可能尚未大規模推廣,或者仍在商業化的極早期。
(1)近記憶體運算和記憶體內運算:處理器性能和效率如今面臨的瓶頸,很大程度並不在單純的運算階段,而在資料傳輸和儲存方面——這也是共識。所以提升資料的傳輸和存取效率,可能是提升整體系統性能時,一個非常靠譜的思路。
這兩年市場上的處理器產品用「近記憶體運算」(near-memory computing)思路的,應該不在少數。所謂的近記憶體運算,就是讓儲存(如cache、memory)單元更靠近運算單元。CPU的多層cache結構(L1、L2、L3),以及電腦處理器cache、記憶體、硬碟這種多層儲存結構是常規。而「近記憶體運算」主要在於究竟有多「近」,cache記憶體有利於隱藏當代電腦架構中延遲和頻寬的局限性。
這兩年在近記憶體運算方面比較有代表性的,一是AMD——比如前文提到3D V-cache增大處理器的cache容量,還有其GPU不僅在裸晶內導入了Infinity Cache這種類似L3 cache的結構,也更早應用了HBM2記憶體方案。這些實踐都表明,儲存方面的革新的確能帶來性能的提升。
另外一個例子則是Graphcore的IPU處理器:IPU的特點之一是在裸晶內堆了相當多的cache資源,cache容量遠大於一般的GPU和AI晶片——也就避免了頻繁的訪問外部儲存資源的操作,極大提升頻寬、降低延遲和功耗。
近記憶體運算的本質仍然是馮紐曼架構(Von Neumann architecture)的延續。「在做處理的過程中,多層級的儲存結構,資料的搬運不僅僅在處理和儲存之間,還在不同的儲存層級之間。這樣頻繁的資料搬運帶來了頻寬延遲、功耗的問題。也就有了我們經常說的運算體系內的儲存牆的問題。」劉明說。
構建非馮(non-von Neumann)架構,把傳統的、以運算為中心的馮氏架構,變換一種新的運算範式。把部分運算力下推到儲存。這便是記憶體內運算(in-memory computing)的概念。
記憶體內運算的就現在看來還是比較新,也有稱其為「存算一體」。通常理解為在記憶體中嵌入演算法,儲存單元本身就有運算能力,理論上消除資料存取的延遲和功耗。記憶體內運算這個概念似乎這在資料爆炸時代格外醒目,畢竟可極大減少海量資料的移動操作。
其實記憶體內運算的概念都還沒有非常明確的定義。現階段它可能的內涵至少涉及到在儲記憶體內部,部分執行資料處理工作;主要應用於神經網路(因為非常契合神經網路的工作方式),以及這類晶片具體的工作方法上,可能更傾向於神經型態運算(neuromorphic computing)。
對於AI晶片而言,記憶體內運算的確是很好的思路。一般的GPU和AI晶片執行AI負載時,有比較頻繁的資料存取操作,這對性能和功耗都有影響。不過記憶體內運算的具體實施方案,在市場上也是五花八門,早期比較具有代表性的Mythic導入了一種矩陣乘的儲存架構,用40nm嵌入式NOR,在儲記憶體內部執行運算,不過替換掉了數位週邊電路,改用類比的方式。在陣列內部進行模擬運算。這家公司之前得到過美國國防部的資金支援。
劉明列舉了近記憶體運算和記憶體內運算兩種方案的例子。其中,近記憶體運算的這個方案應該和AMD的3D V-cache比較類似,把儲存裸晶和運算裸晶疊起來。
劉明指出,「這是我們最近的一個工作,採用hybrid bonding的技術,與矽通孔(TSV)做比較,hybrid bonding功耗是0.8pJ/bit,而TSV是4pJ/bit。延遲方面,hybrid bonding只有0.5ns,而TSV方案是3ns。」台積電在3D堆疊方面的領先優勢其實也體現在hybrid bonding混合鍵合上,前文也提到了它具備更高的互連密度和效率。
另外這套方案還將DRAM刷新頻率提高了一倍,從64ms提高至128ms,以降低功耗。「應對刷新率變慢出現拖尾bit,我們引入RRAM TCAM索引這些tail bits」劉明說。
記憶體內運算方面,「傳統運算是用布林邏輯,一個4位元的乘法需要用到幾百個電晶體,這個過程中需要進行資料來回的移動。記憶體內運算是利用單一元件的歐姆定律來完成一次乘法,然後利用基爾霍夫定律完成列的累加。」劉明表示,「這對於今天深度學習的矩陣乘非常有利。它是原位的運算和儲存,沒有資料搬運。」這是記憶體內運算的常規思路。
「無論是基於SRAM,還是基於新型記憶體,相比近記憶體運算都有明顯優勢,」劉明認為。下圖是記憶體內運算和近記憶體運算,精準度、能效等方面的對比,記憶體內運算架構對於低精準度運算有價值。
下圖則總結了業內主要的一些記憶體內運算研究,在精確度和能效方面的對應關係。劉明表示,「需要高精確度、高運算力的情況下,近記憶體運算目前還是有優勢。不過記憶體內運算是更新的技術,這幾年的進步也非常快。」
去年阿里達摩院發佈2020年十大科技趨勢中,有一個就是存算一體突破AI算力瓶頸。不過記憶體內運算面臨的商用挑戰也一點都不小。記憶體內運算的通常思路都是類比電路的運算方式,這對記憶體、運算單元設計都需要做工程上的考量。與此同時這樣的晶片究竟由誰來造也是個問題:是記憶體廠商,還是數文書處理器廠商?(三星推過記憶體內運算晶片,三星、Intel垂直整合型企業似乎很適合做記憶體內運算…)
(2)神經型態運算:神經型態運算和記憶體內運算一樣,也是新興技術的熱門話題,這項技術有時也叫作compute in memory,可以認為它是記憶體內運算的某種發展方向。神經型態和一般神經網路AI晶片的差異是,這種結構更偏「類人腦」。
進行神經型態研究的企業現在也逐漸變得多起來,劉明也提到了AI晶片「最終的理想是在結構層次模仿腦,元件層次逼近腦,功能層次超越人腦」的「類腦運算」。Intel是比較早關注神經型態運算研究的企業之一。
傳說中的Intel Loihi就是比較典型存算一體的架構,「這片裸晶裡面包含128個小核心,每個核心用於模擬1,024個神經元的運算結構。」宋繼強說,「這樣一塊晶片大概可以類比13萬個神經元。我們做到的是把768個晶片再連起來,構成接近1億神經元的系統,讓學術界的夥伴去試用。」
「它和深度學習加速器相比,沒有任何浮點運算——就像人腦裡面沒有乘加器。所以其學習和訓練方法是採用一種名為spike neutral network的路線,功耗很低,也可以訓練出做視覺辨識、語言辨識和其他種類的模型。」宋繼強認為,不採用同步時脈,「刺激的時候就是一個非同步電動勢,只有工作部分耗電,功耗是現在深度學習加速晶片的千分之一。」
「而且未來我們可以對不同區域做劃分,比如這兒是視覺區、那兒是語言區、那兒是觸覺區,同時進行多模態訓練,互相之間產生關聯。這是現在的深度學習模型無法比擬的。」宋繼強說。這種神經型態運算晶片,似乎也是Intel在XPU方向上探索不同架構運算的方向之一。
(2)微型化矽光:這個技術方向可能在層級上更偏高了一些,不再晶片架構層級,不過仍然值得一提。去年Intel在Labs Day上特別談到了自己在矽光(Silicon Photonics)的一些技術進展。其實矽光技術在連接資料中心的交換機方面,已有應用了,發出資料時,連接埠處會有個收發器把電訊號轉為光訊號,透過光纖來傳輸資料,另一端光訊號再轉為電訊號。不過傳統的光收發器成本都比較高,內部元件數量大,尺寸也就比較大。
Intel在整合化的矽光(IIIV族monolithic的光學整合化方案)方面應該是商業化走在比較前列的,就是把光和電子相關的組成部分高度整合到晶片上,用IC製造技術。未來的光通訊不只是資料中心機架到機架之間,也可以下沉到板級——就跟現在傳統的電I/O一樣。電互連的主要問題是功耗太大,也就是所謂的I/O功耗牆,這是這類微型化矽光元件存在的重要價值。
這其中存在的技術挑戰還是比較多,如做資料的光訊號調變的調變器調變器,據說Intel的技術使其實現了1,000倍的縮小;還有在接收端需要有個探測器(detector)轉換光訊號,用所謂的全矽微環(micro-ring)結構,實現矽對光的檢測能力;波分複用技術實現頻寬倍增,以及把矽光和CMOS晶片做整合等。
Intel認為,把矽光模組與運算資源整合,就能打破必須帶更多I/O接腳做更大尺寸處理器的這種趨勢。矽光能夠實現的是更低的功耗、更大的頻寬、更小的接腳數量和尺寸。在跨處理器、跨伺服器節點之間的資料互動上,這類技術還是頗具前景,Intel此前說目標是實現每根光纖1Tbps的速率,並且能效在1pJ/bit,最遠距離1km,這在非本地傳輸上是很理想的數字。
還有軟體…
除了AI晶片本身,從整個生態的角度,包括AI感知到運算的整個鏈條上的其他組成部分,都有促成性能和效率提升的餘地。比如這兩年Nvidia從軟體層面,針對AI運算的中間層、庫做了大量最佳化。相同的底層硬體,透過軟體最佳化就能實現幾倍的性能提升。
宋繼強說,「我們發現軟體最佳化與否,在同一個硬體上可以達到百倍的性能差距。」這其中的餘量還是比較大。
在AI開發生態上,雖然Nvidia是最具發言權的;但從戰略角度來看,像Intel這種研發CPU、GPU、FPGA、ASIC,甚至還有神經型態運算處理器的企業而言,不同處理器統一開發生態可能更具前瞻性。Intel有個稱oneAPI的軟體平台,用一套API實現不同硬體性能埠的對接。這類策略對廠商的軟體框架構建能力是非常大的考驗——也極大程度關乎底層晶片的執行效率。
在摩爾定律放緩、電晶體尺寸微縮變慢甚至不縮小的前提下,處理器架構革新、異質整合與2.5D/3D封裝技術依然可以達成1,000倍的性能提升;而一些新的技術方向,包括近記憶體運算、記憶體內運算和微型矽光,能夠在資料訪存、傳輸方面產生新的價值;神經型態運算這種類腦運算方式,是實現AI運算的目標;軟體層面的最佳化,也能夠帶動AI性能的成倍增長。所以即便摩爾定律嚴重放緩,AI晶片的性能、效率提升在上面提到的這麼多方案加持下,終將在未來很長一段時間內持續飛越。這第三(四)次科技革命恐怕還很難停歇。
資料來源:https://www.eettaiwan.com/20210726nt61-ai-computing/?fbclid=IwAR3BaorLm9rL2s1ff6cNkL6Z7dK8Q96XulQPzuMQ_Yky9H_EmLsBpjBOsWg
v矩陣 在 楓之谷M Facebook 的最讚貼文
【 公告-1.6600.2678版本建議更新公告(iOS限定) 】
發布了修正異常與進行客戶端穩定化作業的新版本。
請透過下面的連結至商店更新至最新的app。
<下載>
* 官方商店: https://bit.ly/2MBOQ2j
- iOS:請至Appstore確認更新
<更新內容>
1. 修正技能自訂上有冷卻時間技能時,無法變更為其他技能的現象
2. 修正V矩陣分解頁面上確認核心等級時,原本數值會顯示2倍的現象
謝謝
v矩陣 在 楓之谷M Facebook 的精選貼文
【 數據更新-07 / 06 (二) 數據更新事前公告 】(完成)
為了修正異常預計進行數據更新。
數據更新進行中,可能會發生連線中斷的情況,請於更新完成後重新登入。
▶更新時間:
2021.07.06 (二) 17:15 – 17:35 (Asia / UTC+8)
▶️作業影響:
數據更新進行中,可能會發生連線中斷的情況,
請於更新完成後重新登入遊戲,會有追加數據下載。
▶ 作業內容:
1. 在特定職業群上 V 矩陣點數異常發送過多的現象修正
> 數據更新後,發送錯誤的點數會重置,並發送符合等級的點數。
2. 修正一部分帳號上秘法符文每日任務不會顯示的現象
> 數據更新前無法進行任務的帳號,伺服器時間0點後會正常化。
受到影響的帳號相關補償方案,將日後告知。
3. 在一部分帳號上每日任務 UI顯示異常的現象
4.修正 5轉艾爾達斯的呼喚任務中,網路斷線時會沒有反應的現象
5. 修正[橢圓之森2]戰場內的「強化的成熟的烏普洛」不會攻擊玩家的現象
6. 修正消逝的旅途入場影片播放中,網路瞬斷時會維持黑色畫面的現象
7. 修正破風使者的「風妖精之箭3」的發動機率標示錯誤的現象
8. 修正黑騎士習得「轉生-減少冷卻時間」時,冷卻時間未減少的現象
9. 修正神射手「致命爆破」技能傷害以150%顯示的現象 (150%修正為 > 175%)
10. 修正拳霸「雙重爆發」目標數顯示過少的現象 (10名修正為 > 11名)
11. 修正暗夜行者「闇黑蔓延-減少冷卻時間」冷卻時間減少為5分鐘
12. 修正幻影俠盜「玫瑰四重曲」技能傷害輸出異常的現象
13. 修正閃雷悍將「海神降臨」技能遲延套用和企劃意圖不同的現象
14. 修正烈焰巫師「白骨鳳凰」冷卻時間為 10分鐘 /Buff時間為5分鐘。
15. (繁體中文限定)修正秘法符文的強化頁面彈跳視窗顯示白色文字的現象
數據更新日程有可能會變動,若有變更會再透過本公告通知各位冒險家。
謝謝