|
在今年的人工智能硬件峰会上，Mythic首次展示了模拟计算的工作原理，并在他们的模拟人工智能处理器上运行了最先进的深度神经网络演示。Mythic的创始人和首席执行官Michael B. Henry表示，而这仅仅是个开始!关于我们独特的技术、我们的产品，以及我们将为客户带来的神奇事物，有很多可以谈论的。今天，我想回顾一下开发这一独特技术的基本原理，以及我们必须克服的巨大障碍，以使模拟计算成为现实。 两种技术的故事 闪存对电子工业产生了巨大的影响。在过去的二十年里，闪存以其惊人的密度、与硬盘驱动器相比非常小的尺寸以及无需电源就能保存信息的能力成为了最重要产品的关键驱动因素。与其他内存技术相比，它的速度慢、功耗高，这限制了它对长存储的使用，并将其推到了普通内存的地位。
模拟计算已经研究了几十年。与数字技术相比，计算速度和功率效率在很长一段时间内都很有前途。即使开发这种技术的难度难以置信，模拟计算的最大障碍之一就是它的大小，由此产生的芯片和系统太大且昂贵。
秘密就在这里:当你把闪存和模拟计算结合在一起，你得到的总和远远大于单独的部分，导致难以置信的密度(20倍的成本和单芯片的形式因素)，超低功耗(10倍的数字)，高性能的计算，可媲美700美元的GPU系统。这是一项独特的技术，Mythic花了数年时间不断完善，现在已经展示出来，它为未来几十年的人工智能计算奠定了基础。 Mythic M1108单芯片解决方案:113M的重量容量和35个M.2形式的计算顶部 我们必须克服的硬件挑战 模拟计算需要生活在数字世界中。人工智能系统连接到数字传感器和处理器上。数字化还使我们拥有了一种适应性强的处理器架构，它可以快速迭代，并且随着神经网络的发展而经得起未来的考验。对于一个在模拟领域每秒执行35万亿次操作的处理器来说，在我们刚开始的时候，从数字领域移动到数字领域是一个巨大的挑战。我们需要超过27，000个adc和DACs转换器，比你通常在模拟产品中看到的要多500到1000x。我们必须把adc设计得比任何人想象的都小，这样它们才能装在一个芯片上，我们还必须在高速和极低功耗的情况下达到8位的精度。最后，我们必须弄清楚如何在生产制造环境中快速高效地测试所有这些adc。
一个常见的问题是我们如何设计模拟计算来适应制造的变化和不断变化的环境条件?数字技术的优势在于它对这类事情有广泛的容忍度。半导体行业有许多很好理解的鲁棒模拟设计技术，但还没有达到我们需要的规模。我们的主要创新在于如何将这些众所周知的技术应用到数以万计的片上模拟设备上，而不是几十个。 两种结语 Mythic已经组建了一个世界级的团队，他们经过多年的创新使得模拟计算成为现实。有很多行业专家告诉我们，这是行不通的，但我们也有顾问、合作伙伴、客户和投资者一路为我们喝彩。我们还没有到达山顶，但我们已经到达了非常高的地方，有时候回头看看，欣赏一下风景是值得的。模拟计算在这里，它看起来很棒!
| 
