0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

神经网络处理的创新推动 AI 芯片的新技术要求

lhl545545 来源:与非网 作者:与非网 2020-08-28 15:16 次阅读

加州山景城 2020 年 8 月 4 日 / 美通社 / -- 新思科技(Synopsys, Inc.,纳斯达克股票代码:SNPS)今天宣布,Tenstorrent 通过采用新思科技的 DesignWare®PCI Express (PCIe) 4.0 控制器与 PHY、ARC® HS48 处理器和 LPDDR4 控制器 IP,一次性完成其 Graysull AI 处理器芯片的硅晶设计。利用经过硅验证的 DesignWare IP 产品组合,Tenstorrent 能够快速满足其用于高性能计算应用的动态 AI 处理器芯片的关键实时连接和特殊处理要求。Tenstorrent 还与新思科技的专家技术支持团队合作,简化 IP 核集成并显著加快设计进度。

Grayskull 提供了差异化功能,包括细粒度条件计算、面积和功耗优化的矩阵计算引擎、定制片上网络(NoC)和动态数据压缩。由于成功完成了 Grayskull 芯片的硅晶设计,Tenstorrent 计划与新思科技合作开发新一代 AI 处理器芯片,主要面向数据中心、公共 / 私有云服务器、本地部署服务器、边缘服务器和汽车等市场。

Tenstorrent 工程副总裁 Drago Ignjatovic 表示:“Tenstorrent 的 Grayskull AI 处理器芯片需要一系列高性能 IP,以满足训练和推理模型的大量计算需求。新思科技在半导体 IP 行业经验丰富,积累了许多成功,因此我们相信能够将 DesignWare PCIe 4.0 控制器与 PHY、ARC HS48 处理器和 LPDDR4 IP 快速集成到我们的 AI 处理器芯片中。此外,凭借新思科技的技术支持团队的支持和高质量的成熟 DesignWare IP 产品,我们的设计人员得以专注于他们的核心能力,并迅速一次性完成硅晶设计。”

PCI Express 4.0 控制器与 PHY IP 提供所需的 16GT/s 数据速率和 x16 链接宽度,同时允许在工艺、电压和温度 (PVT)变化中出现超过 36dB 的信道损耗,从而实现高吞吐量和低延迟连接。DesignWare ARC HS48 处理器的四核配置在有限的面积和功耗预算内提供高处理性能。为了实现更高效的节能,新思科技的 LPDDR4 控制器 IP 以 4267 Mbps 的传输速率运行,提供低功耗状态的自动进入和退出。其先进的可靠性、可用性和可维护性(RAS)功能,包括带地址保护的内联纠错码,还可减少系统停机时间。

新思科技半导体 IP 事业部营销与战略高级副总裁 John Koeter 表示:“用于高性能计算应用的机器学习算法神经网络处理的创新,正在推动 AI 芯片的新技术要求。新思科技致力于为 Tenstorrent 公司等客户提供全面的 IP 产品组合,满足云端、物联网、移动和汽车设计领域的 AI 芯片的性能、延迟、内存和连接要求,同时加快其开发时间。”
责任编辑:pj

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 服务器
    +关注

    关注

    12

    文章

    9028

    浏览量

    85202
  • AI
    AI
    +关注

    关注

    87

    文章

    30235

    浏览量

    268467
  • 处理器芯片
    +关注

    关注

    0

    文章

    117

    浏览量

    19762
收藏 人收藏

    评论

    相关推荐

    卷积神经网络与传统神经网络的比较

    在深度学习领域,神经网络模型被广泛应用于各种任务,如图像识别、自然语言处理和游戏智能等。其中,卷积神经网络(CNNs)和传统神经网络是两种常见的模型。 1. 结构差异 1.1 传统
    的头像 发表于 11-15 14:53 199次阅读

    rnn是递归神经网络还是循环神经网络

    RNN(Recurrent Neural Network)是循环神经网络,而非递归神经网络。循环神经网络是一种具有时间序列特性的神经网络,能够处理
    的头像 发表于 07-05 09:52 501次阅读

    递归神经网络是循环神经网络

    。 递归神经网络的概念 递归神经网络是一种具有短期记忆功能的神经网络,它能够处理序列数据,如时间序列、文本、语音等。与传统的前馈神经网络不同
    的头像 发表于 07-04 14:54 647次阅读

    循环神经网络处理什么数据

    循环神经网络(Recurrent Neural Network,简称RNN)是一种具有记忆功能的神经网络,它能够处理序列数据,即数据具有时间或空间上的连续性。RNN在自然语言处理、语音
    的头像 发表于 07-04 14:34 417次阅读

    循环神经网络和卷积神经网络的区别

    结构。它们在处理不同类型的数据和解决不同问题时具有各自的优势和特点。本文将从多个方面比较循环神经网络和卷积神经网络的区别。 基本概念 循环神经网络是一种具有循环连接的
    的头像 发表于 07-04 14:24 1144次阅读

    人工智能神经网络芯片的介绍

    人工智能神经网络芯片是一类专门为深度学习和神经网络算法设计的处理器。它们具有高性能、低功耗、可扩展等特点,广泛应用于图像识别、语音识别、自然语言处理
    的头像 发表于 07-04 09:33 599次阅读

    神经网络芯片与传统芯片的区别和联系

    引言 随着人工智能技术的快速发展,深度学习算法在图像识别、自然语言处理、语音识别等领域取得了显著的成果。然而,深度学习算法对计算资源的需求非常高,传统的计算芯片已经无法满足其需求。因此,神经网
    的头像 发表于 07-04 09:31 734次阅读

    神经网络芯片和普通芯片区别

    处理神经网络算法的芯片。它通过模拟人脑神经元的工作方式,实现了对大量数据的并行处理和快速学习。 普通芯片
    的头像 发表于 07-04 09:30 920次阅读

    反向传播神经网络和bp神经网络的区别

    神经网络在许多领域都有广泛的应用,如语音识别、图像识别、自然语言处理等。然而,BP神经网络也存在一些问题,如容易陷入局部最优解、训练时间长、对初始权重敏感等。为了解决这些问题,研究者们提出了一些改进的BP
    的头像 发表于 07-03 11:00 693次阅读

    生成式AI神经网络模型的区别和联系

    生成式AI神经网络模型是现代人工智能领域的两个核心概念,它们在推动技术进步和应用拓展方面发挥着至关重要的作用。本文将详细探讨生成式AI
    的头像 发表于 07-02 15:03 612次阅读

    卷积神经网络的原理是什么

    卷积神经网络(Convolutional Neural Network,简称CNN)是一种深度学习模型,广泛应用于图像识别、语音识别、自然语言处理等领域。本文将详细介绍卷积神经网络的原理,包括其
    的头像 发表于 07-02 14:44 571次阅读

    卷积神经网络和bp神经网络的区别

    化能力。随着深度学习技术的不断发展,神经网络已经成为人工智能领域的重要技术之一。卷积神经网络和BP神经
    的头像 发表于 07-02 14:24 3060次阅读

    神经网络架构有哪些

    神经网络架构是机器学习领域中的核心组成部分,它们模仿了生物神经网络的运作方式,通过复杂的网络结构实现信息的处理、存储和传递。随着深度学习技术
    的头像 发表于 07-01 14:16 619次阅读

    NanoEdge AI技术原理、应用场景及优势

    能耗并提高数据安全性。本文将对 NanoEdge AI技术原理、应用场景以及优势进行综述。 1、技术原理 NanoEdge AI 的核心技术
    发表于 03-12 08:09

    详解深度学习、神经网络与卷积神经网络的应用

    处理技术也可以通过深度学习来获得更优异的效果,比如去噪、超分辨率和跟踪算法等。为了跟上时代的步伐,必须对深度学习与神经网络技术有所学习和研究。本文将介绍深度学习技术
    的头像 发表于 01-11 10:51 1924次阅读
    详解深度学习、<b class='flag-5'>神经网络</b>与卷积<b class='flag-5'>神经网络</b>的应用