AI晶片如何解決耗電問題







這份研究介紹了一款應用於 Edge-AI 設備 的 16 奈米 216kb 多模態運算記憶體 (CIM) 巨集,旨在解決傳統 AI 運算在精度與能效之間的矛盾。該設計透過 Microscaling (MX) 資料格式 結合整數與浮點數運算,利用內部處理單元減少 72-85% 的資料傳輸,並顯著提升運算效率。核心技術包含能識別數據變異並優化計算流的 M2-IPU、節省空間與功耗的 圖案感知混合加法器樹 (PAH-ADT),以及可靈活調整路徑的 累積感知數據流 (A2-DF)。此外,研究採用了具備 三端元件的增益單元 (GC),使資料保留時間提升三倍而不增加額外面積。實驗數據顯示,該巨集在 MXINT8 模式 下可達到 188.4 TOPS/W 的頂尖能效,且與軟體模型相比幾乎沒有精度損失。這項成果為高效能、低功耗的邊緣端 AI 晶片提供了一個兼具 高面積效率 與 靈活運算能力 的創新解決方案。

這種多模式硬體設計就像是一輛「智慧變形混合動力車」。當行駛在平坦高速公路(簡單 INT 任務)時,它切換到全電模式以極高效率前進;遇到崎嶇山路(高精度 FP 任務)時,則切換到強大的燃油模式。更聰明的是,它內建了加油站(M2-IPU 內部轉換),不需要頻繁停下來尋找外部支援,並能根據路況(數據模式)自動調整引擎零件的運作方式,確保每一滴能源都能發揮最大的載重效益。





留言

這個網誌中的熱門文章

SoIC (系統整合晶片) 技術

3D晶片建構:SoIC革命