სამხრეთ კორეული ტექნოლოგიური გიგანტი Samsung აქტიურად ავითარებს სპეციალიზებულ ჩიპს, GAIA-ს, რომელიც შექმნილია საშუალო კლასის სამომხმარებლო კომპიუტერებზე ხელოვნური ინტელექტის ალგორითმების მუშაობის რადიკალურად გასაუმჯობესებლად.
ამ ინოვაციის შესახებ იტყობინება SamMobile-ის მონაცემებზე დაყრდნობით. ახალი ხელოვნური ინტელექტის ამაჩქარებელი, ძირითადად, განვითარებად ბაზრებზეა გათვლილი, სადაც კომპიუტერული ტექნიკის ღირებულება მასობრივი მომხმარებლებისთვის მთავარი შეზღუდვაა. კორპორაციამ უკვე მიაწოდა პირველი სატესტო პროტოტიპები წამყვან გლობალურ კომპიუტერების მწარმოებლებს, მათ შორის Lenovo-სა და HP-ს, რომლებიც პროცესორის გამოთვლითი შესაძლებლობების დამოუკიდებელ შეფასებას ატარებენ.
ჩიპის ტექნიკური მახასიათებლები და არქიტექტურა
ახალი პროდუქტი დამზადდება Samsung-ის საკუთარ საწარმოო ობიექტებში მოწინავე 4-ნანომეტრიანი პროცესის ტექნოლოგიის გამოყენებით. GAIA არქიტექტურა დაფუძნებულია ოპტიმიზებულ ნეირონულ დამუშავების ერთეულზე (NPU), რომლის ფუნქციონალურობა მორგებულია პერსონალური კომპიუტერების სპეციფიკურ საჭიროებებზე. მუშაობის პრინციპის თვალსაზრისით, ამაჩქარებელი დიდწილად მსგავსია Samsung-ის Exynos მობილურ პლატფორმებში ინტეგრირებული NPU სტრუქტურებისა.
ახალი ჩიპის ძირითადი ამოცანები და შესაძლებლობები მოიცავს:
- ძირითადი აპარატურულად დაჩქარებული ხელოვნური ინტელექტის ოპერაციების ლოკალური შესრულება პირდაპირ კლიენტის მოწყობილობაზე;
- ნეირონული ქსელის მოდელების ინფერენციისა და ტრენინგის პროცესების მნიშვნელოვანი გაუმჯობესება ღრუბლოვან სერვერებზე სავალდებულო წვდომის გარეშე;
- ხელოვნური ინტელექტის გამოთვლითი სამუშაო დატვირთვის ეფექტური განაწილება სისტემის საერთო მუშაობის ოპტიმიზაციისთვის.
ინტეგრაცია ახალი თაობის მეხსიერებასთან
გრძელვადიან პერსპექტივაში, Samsung გეგმავს GAIA ამაჩქარებლის ინტეგრირებას თავის მოწინავე მეხსიერებაში ჩაშენებული გამოთვლით ტექნოლოგიასთან - ახალი თაობის DRAM-თან, რომელიც ცნობილია როგორც მეხსიერებაში დამუშავება (PIM). ეს კონცეფცია ითვალისწინებს RAM ჩიპებს, რომლებსაც შეეძლებათ დამოუკიდებლად შეასრულონ მათემატიკური გამოთვლები მათში შენახულ მონაცემებზე.
ეს საინჟინრო მიდგომა ელექტრონიკის მწარმოებლებს საშუალებას მისცემს, ამაჩქარებელი შედარებით ხელმისაწვდომ და ხელმისაწვდომ კომპონენტებთან დააკავშირონ. შედეგად, დაბალი ღირებულების კონფიგურაციების საბოლოო მომხმარებლები შეძლებენ კომფორტული დონის შესრულების მიღწევას ლოკალური ხელოვნური ინტელექტის ალგორითმების გაშვებისას, რაც სამიზნე ბაზრებზე ფასების ბარიერებს სრულად აღმოფხვრის.
კომენტარის დამატება
კომენტარის დასატოვებლად გაიაროთ ავტორიზაცია.