Профессор проектирования процессоров для ИИ в Техническом университете Мюнхена (TUM) уже заказал первые прототипы у производителя полупроводников Global Foundries в Дрездене. В отличие от обычных чипов, вычислительные и запоминающие блоки AI Pro расположены вместе. Это стало возможным благодаря применению принципа «гиперразмерных вычислений»: это означает, что он распознает сходства и закономерности, но не нуждается в миллионах записей данных для обучения.
Вместо того чтобы показывать ему бесчисленные изображения автомобилей, как это происходит в методе глубокого обучения, используемом в обычных чипах ИИ, этот чип объединяет разнообразные данные, такие как наличие у автомобиля четырех колес, обычное движение по дороге и возможность иметь различные формы. Как объясняет профессор Амруш, «люди тоже делают выводы и учатся на основе сходств».
Ключевое преимущество мышления, подобного мышлению мозга: экономия энергии. Для обучения на тестовой задаче новый чип потреблял 24 микроджоуля, в то время как сопоставимые чипы требовали в десять-сто раз больше энергии — «рекордное значение», отмечает профессор Амруш. «Сочетание современной архитектуры процессора, специализации алгоритмов и инновационной обработки данных делает этот чип для ИИ чем-то особенным». Это также отличает его от универсальных чипов, таких как чипы промышленного гиганта NVIDIA. «В то время как NVIDIA создала платформу, основанную на облачных данных и обещающую решить любую проблему, мы разработали чип для ИИ, который позволяет создавать индивидуальные решения. Здесь огромный рынок».
Нейроморфные чипы: вдохновленные человеческим мозгом.
Чип размером в один квадратный миллиметр в настоящее время стоит 30 000 евро. С примерно 10 миллионами транзисторов он не такой плотный и мощный, как чипы NVIDIA, которые могут похвастаться 200 миллиардами транзисторов. Но это не то, что больше всего беспокоит профессора Амруша. Его команда специализируется на чипах для искусственного интеллекта, которые выполняют обработку непосредственно на месте, а не отправляют данные в облако для обработки вместе с миллионами других наборов данных, прежде чем отправить их обратно. Это экономит время и вычислительные мощности серверов, а также снижает углеродный след ИИ.
Чипы также адаптированы для конкретных приложений. «Это делает их очень эффективными», — говорит эксперт по чипам Амруш. Например, они ориентированы на обработку частоты сердечных сокращений и других важных данных, собираемых с помощью умных часов или навигационных данных дронов. Поскольку эти личные и иногда конфиденциальные данные остаются на устройстве, нет проблем со стабильностью интернет-соединения или кибербезопасностью. Эксперт по чипам убежден: «Будущее принадлежит тем, кто владеет оборудованием».
Дополнительная информация:
Профессор Хуссам Амруш присоединился к TUM два года назад. Кафедра проектирования процессоров для искусственного интеллекта была создана в рамках Баварской технологической программы. Дополнительная информация: https://www.hightechagenda.de/
Профессор Хуссам Амруш также активно сотрудничает с Институтом робототехники и искусственного интеллекта в Мюнхене (MIRMI). Его разработки в области микросхем актуальны для здравоохранения, экологии и космоса. Дополнительная информация о MIRMI: https://www.mirmi.tum....artseite//
Публикации
Сэнди Васиф, Пол Генсслер и Хуссам Амруш. «Гиперразмерный RISC-V процессор, специфичный для предметной области, для обучения ИИ на периферии». IEEE Transactions on Circuits and Systems I: Regular Papers (2025). https://ieeexplore.iee...t/10931124
Солиман, Таха, Светаки Чаттерджи, Нелли Лалени, Франц Мюллер, Тобиас Кирхнер, Норберт Вен, Томас Кэмпфе, Йогеш Сингх Чаухан и Хуссам Амруш. «Первая демонстрация кроссбара для вычислений в памяти с использованием многоуровневых ячеек FeFET». Nature Communications 14, №. 1 (2023): 6348. https://www.nature.com...23-42110-y
Вэй-Цзи Чао, Пол Р. Генсслер, Сэнди А. Васиф, Альби Мема, Хуссам Амруш, «Сквозные гиперразмерные вычисления с энергией 24,65 мкДж на обучающую выборку в 22-нм технологии», статья находится на рассмотрении Европейской конференции по исследованиям в области твердотельной электроники (ESSERC). Препринт доступен по адресу: https://go.tum.de/440497
