@Nona_xai：Google DeepMind 芯片工程师 Reiner Pope 刚刚在白板上解释了一件从未有人向你解释过的事：……

X AI KOLs Timeline 新闻
chip-design educational hardware deepmind youtube explainer ai-hardware

摘要

Google DeepMind 芯片工程师 Reiner Pope 在一段免费 YouTube 视频中，通过白板全面讲解了芯片的工作原理，从逻辑门到脉动阵列乃至人脑。

Google DeepMind 芯片工程师 Reiner Pope 刚刚在白板上解释了一件从未有人向你解释过的事：芯片究竟是如何工作的，从逻辑门到人脑。 在 1 小时 15 分钟里，他涵盖了工程学院需要多年教授的所有内容。 → 如何从零构建乘法。 → 为什么移动数据比计算更耗成本。 → 脉动阵列如何工作，使得 LLM 得以运行。 → 为什么一个 CPU 核心比一个 GPU 核心大 10 倍。 → 为什么 GPU 不过是一堆小型 TPU。 → 以及为什么人脑对硬件架构师来说仍然是个谜。 它是免费的。就在 YouTube 上。如果你想理解为什么硬件是 AI 的真正战场，这将是你本周度过的最有价值的一小时。
查看原文
查看缓存全文

缓存时间: 2026/05/23 22:17

Google DeepMind芯片工程师Reiner Pope刚刚在白板上解释了一个从未有人向你解释过的问题：芯片究竟如何工作——从逻辑门到人脑。

在1小时15分钟内，他涵盖了工程院校需要多年才能教完的内容。

→ 如何从零构建乘法器。
→ 为什么数据传输的成本远超计算本身。
→ 让大语言模型运行的脉动阵列是如何工作的。
→ 为什么CPU核心比GPU核心大10倍。
→ 为什么GPU不过是一堆小型TPU的集合。
→ 以及为什么人脑对硬件架构师来说仍是一个谜。

免费。就在YouTube上。如果你想理解为什么硬件才是AI的真正战场，这将是你本周最值得花的一小时。

相似文章

@snowboat84: https://x.com/snowboat84/status/2061962883651731602

X AI KOLs Timeline

本文是AI工程全景系列的上篇，从历史角度梳理了GPU从游戏显卡到AI加速器的演化、CUDA的豪赌、谷歌TPU的独立路径，以及英伟达为何最终胜出，详细剖析了芯片、供应链、网络、电力等AI基础设施的底层逻辑。