O professor de design de processadores de IA da TUM já encomendou os primeiros protótipos à fabricante de semicondutores Global Foundries, em Dresden. Ao contrário dos chips convencionais, as unidades de computação e memória do AI Pro estão localizadas juntas. Isto é possível porque o chip aplica o princípio da "computação hiperdimensional": ou seja, reconhece semelhanças e padrões, mas não necessita de milhões de registos de dados para aprender.
Em vez de lhe mostrar inúmeras imagens de automóveis, como acontece com o método de aprendizagem profunda utilizado nos chips de IA convencionais, este chip combina dados diversos, como o facto de um automóvel ter quatro rodas, circular geralmente em estradas e poder ter diferentes formatos. Tal como o novo chip, explica o professor Amrouch, "os humanos também tiram conclusões e aprendem através de semelhanças".
Uma vantagem fundamental do pensamento semelhante ao do cérebro: poupa energia. Para o treino numa tarefa de exemplo, o novo chip consumiu 24 microjoules, enquanto os chips comparáveis exigiram entre dez e cem vezes mais energia — "um valor recorde", observa o professor Amrouch. "Esta combinação de arquitetura de processador moderna, especialização de algoritmos e processamento de dados inovador torna o chip de IA algo especial." Isto também o diferencia dos chips multifuncionais, como os da gigante industrial NVIDIA. "Enquanto a NVIDIA criou uma plataforma que depende de dados na cloud e promete resolver todos os problemas, nós desenvolvemos um chip de IA que permite soluções personalizadas. Há um mercado enorme aí."
Chips neuromórficos: inspirados no cérebro humano.
O chip de um milímetro quadrado custa atualmente 30.000 €. Com cerca de 10 milhões de transístores, não é tão denso nem tão potente como os chips da NVIDIA, que possuem 200 mil milhões de transístores. Mas não é isso que mais preocupa o Professor Amrouch. A sua equipa especializa-se em chips de IA que realizam o processamento diretamente no local, em vez de ter de enviar dados para a nuvem para serem processados juntamente com milhões de outros conjuntos de dados antes de serem enviados de volta. Isto poupa tempo e poder computacional do servidor e reduz a pegada de carbono da IA.
Os chips também são personalizados para aplicações específicas. "Isto torna-os muito eficientes", diz o especialista em chips Amrouch. Por exemplo, concentram-se no processamento da frequência cardíaca e noutros dados vitais recolhidos através de smartwatches ou dados de navegação de drones. Como estes dados pessoais e, por vezes, sensíveis permanecem no dispositivo, não há problemas com a estabilidade da ligação à internet ou com a cibersegurança. O especialista em chips está convicto: "O futuro pertence a quem possui o hardware."
Mais informações:
O Professor Hussam Amrouch ingressou na TUM há dois anos. A Cátedra de Design de Processadores de IA foi criada no âmbito da Agenda Tecnológica da Baviera. Mais informações: https://www.hightechagenda.de/
O Professor Hussam Amrouch participa também ativamente no Instituto de Robótica e Inteligência Artificial de Munique (MIRMI). Os seus desenvolvimentos em chips são relevantes para a saúde, o ambiente e o espaço. Mais informações sobre o MIRMI: https://www.mirmi.tum....artseite//
Publicações
Sandy Wasif, Paul Genssler e Hussam Amrouch. “Processador RISC-V hiperdimensional específico de domínio para treino de IA na borda.” IEEE Transactions on Circuits and Systems I: Regular Papers (2025). https://ieeexplore.iee...t/10931124
Soliman, Taha, Swetaki Chatterjee, Nellie Laleni, Franz Müller, Tobias Kirchner, Norbert Wehn, Thomas Kämpfe, Yogesh Singh Chauhan e Hussam Amrouch. “Primeira demonstração de uma barra transversal de computação em memória usando FeFET de célula multinível.” Nature Communications 14, nº. 1 (2023): 6348. https://www.nature.com...23-42110-y
Wei-Ji Chao, Paul R. Genssler, Sandy A. Wasif, Albi Mema, Hussam Amrouch, “Computação hiperdimensional de ponta a ponta com 24,65 µJ por amostra de treino em tecnologia de 22 nm”, em revisão na Conferência Europeia de Investigação em Eletrónica de Estado Sólido (ESSERC). Pré-publicação disponível em: https://go.tum.de/440497
