颠覆冯·诺依曼架构，这款AI处理器能效提升100倍！|焦点报道

公众号记得加星标，第一时间看推送不会错过。

一家初创公司开发出一种据称是传统冯·诺依曼架构的真正替代方案，能够提供比传统低功耗处理器更高的能源效率。

(相关资料图)

Efficient Computer 的 Electron E1 是一款通用处理器，旨在直接在设备上运行高级信号处理和 AI 推理。该处理器采用 Efficient Fabric，这是一种由该公司开发的专有空间数据流架构，可减少传统冯·诺依曼系统中因在内存和计算核心之间移动数据而产生的过高能耗。

Efficient公司首席执行官布兰登·卢西亚在接受采访时表示，此前尝试偏离冯·诺依曼方法的努力从未真正实现。“曾经出现过一些昙花一现的替代方案，但都很快消失了。”

他指出，Efficient 发现许多替代方案的局限性之一是它们放弃了计算的通用性。“这一点至关重要。”

该公司的 Fabric 架构使 Electron E1 能够在执行通用代码的同时最大限度地降低能耗。Lucia 表示，与 Arm Cortex-M33 和 Cortex-M85 等传统处理器相比，其能效可提升 100 倍。

该处理器包含 128kB 超低功耗高速缓存、3MB SRAM 和 4MB MRAM 用于非易失性存储，在高压模式下 200MHz 时可达到 21.6 GOPS，在低压模式下 50MHz 时可达到 5.4 GOPS。

Lucia 表示，Fabric 架构从根本上重新思考了计算的执行方式，减少了内存和处理单元之间数据转移的需求，而这正是传统冯·诺依曼架构中常见的效率低下问题。

Efficient Computer 的 Fabric 架构通过将操作空间映射到计算单元的网格上，减少了传统冯·诺依曼架构中常见的内存和处理单元之间的数据交换需求，从而降低了效率。（来源：Efficient Computer）

他表示，Efficient架构通过将操作空间映射到由计算单元组成的网格上来实现这一点，每个计算单元仅在其输入可用时才激活。这与传统CPU流水线中常见的连续指令循环和间接数据传输截然不同。

Lucia表示，通用处理器对人工智能至关重要，因为它远不止物理世界中的算法——它还包括传感器融合、DSP压缩、加密和嵌入式Transformer等一系列辅助功能。“如果你的架构只针对一种类型的计算，那么所有其他功能都会被忽略。”

他表示，Electron E1 的设计旨在支持应用程序运行所需的所有代码，使其成为边缘计算、嵌入式系统和人工智能应用的理想之选。“开发人员可以直接使用他们已有的代码。”

Lucia 表示，该处理器特别适用于需要在电力受限的环境下实现长电池续航时间和高效性能的设备，例如无人机和工业传感器，这表明该公司正在努力将人工智能带入物理世界。

为此，Efficient正与BrightAI合作进行首次实际部署。Lucia表示，Electron E1使BrightAI的设备能够在边缘端处理实时AI计算，并减少信号处理和AI推理等任务对高能耗云计算的需求。

他说：“这让他们能够扩大规模。他们正在做的，是通过物理人工智能设备来提高各地关键基础设施的可观测性。”

Lucia表示，与BrightAI的合作是Efficient公司在近场技术领域的一个例证，该领域能够对关键基础设施和工业自动化等重要应用产生切实影响。他还表示，公司在机器人、汽车、航天和国防应用领域看到了巨大的发展势头，这些领域都对尺寸和功耗有严格要求。

Efficient 近期面向早期开发者和云端用户发布了 Electron E1 评估套件 (EVK)。EVK 是一个完整的即用型平台，用于创建、测试和优化该公司处理器的软件。

Lucia表示，Efficient公司的创始团队正是在卡内基梅隆大学相识并共同研发的，Electron EI技术是与该大学合作十年的研究成果。

“我们本质上正在将世界带入后冯·诺依曼通用计算时代，在这个时代，计算可以更加通用、速度更快，而且比目前市场上的处理器消耗的能源要少得多。”

https://www.eetimes.com/startup-launches-general-purpose-processor-for-ai/

（来源：编译自eetimes）

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

求推荐