| +11 голос |
|
Компанія Normal Computing оголосила про успішне випущення CN101, першого у світі термодинамічного обчислювального чіпа. Ця інженерна віха є ключовим кроком на шляху до валідації архітектури Carnot від Normal, спеціально розробленої для прискорення обчислювальних завдань шляхом використання внутрішньої динаміки фізичних систем і досягнення до 1000-кратної ефективності енергоспоживання в цільових AI та наукових робочих навантаженнях. Завдяки значно більшим можливостям штучного інтелекту в рамках фіксованого енергетичного бюджету дата-центрів, CN101 максимізує загальну обчислювальну потужність і поєднує її з низькою затримкою та високою пропускною здатністю для виробничого інференсу.
Чіпи Normal — це фізичні ASIC, які використовують природну динаміку, таку як коливання, дисипація та стохастичність, для набагато ефективніших обчислень, ніж традиційні чіпи. У той час як процесори та графічні процесори споживають значну кількість енергії, застосовуючи детерміновану логіку, чіпи Normal використовують стохастичність для прискорення AI-розрахунків. Цей підхід був відзначений IEEE Spectrum, що підкреслило його потенціал для значного підвищення обчислювальної ефективності порівняно з традиційними методами.
CN101 спеціально призначений для обчислювальних завдань, критично важливих для AI та наукових обчислень, демонструючи значне прискорення в:
Лінійній алгебрі та матричних операціях:
Ефективно вирішує великомасштабні лінійні системи, що є основою інженерних, наукових обчислень та завдань оптимізації.
Стохастичне вибіркове дослідження з використанням LRW (Lattice Random Walk):
Впроваджує запатентовану Normal вибірку на основі LRW, значно прискорюючи ймовірнісні обчислення, необхідні для наукових симуляцій та методів баєсівського виведення.
CN101 є фундаментальним кроком на шляху до реалізації бачення Normal Computing щодо комерціалізації термодинамічних обчислень у великих масштабах, що забезпечує значно вищу продуктивність штучного інтелекту на ват, стійку та долар, максимізуючи вихідні дані штучного інтелекту в межах наявних енергетичних бюджетів.
Наступні етапи дорожньої карти включають:
2026: CN201 — моделі дифузії з високою роздільною здатністю та розширені робочі навантаження штучного інтелекту.
Кінець 2027 / початок 2028: CN301 — масштабування до просунутих моделей дифузії відео.
«Останніми місяцями ми спостерігаємо, що можливості штучного інтелекту наближаються до вирівнювання кривої з урахуванням сучасних енергетичних бюджетів та архітектури, навіть попри те, що ми плануємо збільшити масштаби навчання ще в 10000 разів протягом наступних 5 років. Термодинамічні обчислення мають потенціал визначити закони масштабування на наступні десятиліття завдяки використанню фізичної реалізації алгоритмів штучного інтелекту, включаючи пост-авторегресійні архітектури. Досягнення першого успіху в області кремнію є історичним моментом для цієї нової парадигми, реалізованої радикально невеликою командою інженерів», – зазначив Фаріс Сбахі (Faris Sbahi), генеральний директор Normal Computing
Після завершення розробки CN101 Normal Computing переходить безпосередньо до характеристики та тестування. Результати будуть направляти розробку майбутніх чіпів CN201 та CN301 для масштабування робочих навантажень штучного інтелекту.
«Наша концепція масштабування дифузійних моделей за допомогою нашого стохастичного обладнання починається з демонстрації ключових застосувань на CN101 цього року, потім досягнення найсучаснішої продуктивності на середньомасштабних завданнях GenAI наступного року за допомогою CN201, і, нарешті, досягнення багаторазового підвищення продуктивності для великомасштабних GenAI за допомогою CN301 через два роки», – сказав Патрік Коулз (Patrick Coles), головний науковий співробітник Normal Computing.
«CN101 є першою демонстрацією нашої термодинамічної архітектури, яка використовує випадковість, метастабільність і шум для виконання завдань вибірки. Характеризуючи CN101, ми зможемо закласти основу для розуміння того, як ці випадкові процеси поводяться на реальному кремнії, і намітити чіткий шлях до масштабування нашої архітектури для підтримки найсучасніших дифузійних моделей», – підкреслив Зак Белатече (Zach Belateche), керівник відділу кремнієвої інженерії в Normal Computing.
Стратегія охолодження ЦОД для епохи AI
| +11 голос |
|
