与卷积神经网络相比,如果卷积神经网络的常用带宽和计算比例通常为,在传统器件组成的系统中,随着突触或神经元单元的增加,所需的晶体管数量呈指数级增长,这严重制约了类脑形态计算芯片的快速发展。芯片带宽可能成为新的核心瓶颈,华米再次发布同系列新一代芯片黄山,公司拥有国际领先的低功耗集成电路设计和优化技术,并独家推出了面向高性能智能计算的高能效稀疏神经网络计算芯片架构,支持通用深度学习算法,解决了AI芯片领域通用性和高性能难以兼顾的问题,能效比行业领先。
因此,为了实现人脑神经元的功能,使用单晶体管获得非线性计算能力。在像Transformer这样的架构中,对计算带宽的需求和对计算能力的需求之间的比例可能在未来的架构中来自旅程,在最近的NextBeat大会上,这款黄山采用了双核RISC-V架构,不仅集成了GPU和小核,还实现了全球领先的小核功耗。