类脑光晶体管通过感知和存储数据，有望降低AI能耗
摘要
研究人员开发出一种类脑光晶体管，能够感知和存储数据，有望降低AI能耗。
暂无内容
相似文章
台积电称能源使用迫使重新思考AI芯片设计
台积电高级副总裁表示，能源效率现已超过原始计算能力，成为AI芯片设计的主要限制因素。这一转变正在推动晶体管密度、先进封装和芯片堆叠方面的变化，以降低功耗。
你的大脑用20瓦就能做到的事情，AI却需要核反应堆才能尝试。上周，一个团队弄清楚了如何打印出能与活体脑细胞对话的东西。
西北大学的研究人员用二硫化钼和石墨烯墨水打印出了人工神经元，能产生生物逼真的电脉冲，活体小鼠脑细胞将其识别为自然信号。这一突破对节能的神经形态计算意义重大。
人脑运行仅需15瓦。实时模拟人脑则需要27亿瓦。以下是这一差距存在的原因以及当前的对策。
探讨人脑（15瓦）与AI硬件（实时模拟需数十亿瓦）之间巨大的能效差距，重点介绍旨在缩小这一差距的神经形态计算方案，如自旋忆阻器、相变材料和超级图灵AI。
AI功耗墙：为何边际芯片微缩无法解决能源悖论
文章讨论了‘AI功耗墙’现象，即计算增长超过效率提升，并提出了四个范式转变——神经形态计算、光子计算、以内存为中心的计算和近似计算——以实现可持续的AI发展，同时推广了即将举行的‘Watt Matters in AI’会议，该会议关注全栈能源削减。
一种估算 AI 功耗的更快速方法
来自麻省理工学院（MIT）和 IBM 的研究人员开发了一种快速工具，可在几秒钟内估算 AI 功耗，速度远超传统的模拟方法，有助于优化数据中心的能源效率。