利用内存中的模拟计算技术推动人工智能革命的发展 [工业和政府领域中的应用]

《IEEE Computational Intelligence Magazine》:Sustaining the AI Revolution With Analog Compute-in-Memory [Industrial and Governmental Activities]

【字体: 大 中 小 】 时间:2026年01月21日 来源:IEEE Computational Intelligence Magazine 11.2

编辑推荐:

  人工智能快速发展导致能源需求激增,传统处理器面临不可持续挑战,GPU效率提升主要依赖芯片制程、架构创新和数据格式优化。

  

摘要:

人工智能(AI)曾经只是科幻小说中的幻想,如今已经深深融入了我们的生活,从调整电子邮件的语气到协助科学家分析詹姆斯·韦伯太空望远镜拍摄的深空图像,无处不在。然而,在AI技术迅猛发展的光辉外表之下,日益严重的环境问题正在逐渐显现。为了训练和运行AI系统,数据中心的电力需求激增,在短短五年内就增加了两倍,并预计到2030年还将再次增加两倍[1]。这种惊人的增长与过去40年全球电力产量每年仅增长不到3%的情况形成了鲜明对比,AI的能源需求远远超过了这一增长速度[2],如图1左侧所示。如果我们继续依赖传统处理器,大型语言模型(LLMs)的发展可能会很快达到一个不可持续的瓶颈。这一紧迫性还因AI硬件早期效率提升的停滞而加剧。如今,数据中心主要使用GPU进行训练和推理。尽管GPU制造商经常强调效率的提高——声称在过去十年中效率提高了40,000倍——但这些数字掩盖了一些潜在的问题[3]。仔细研究效率提升的来源后,我们可以发现维持这种发展速度将面临诸多挑战。效率提升的主要驱动力来自电路/架构创新、半导体工艺的进步以及数据格式的优化。

人工智能(AI)曾经只是科幻小说中的幻想,如今已经深深融入了我们的生活,从调整电子邮件的语气到协助科学家分析詹姆斯·韦伯太空望远镜拍摄的深空图像,无处不在。然而,在AI技术迅猛发展的光辉外表之下,日益严重的环境问题正在逐渐显现。为了训练和运行AI系统,数据中心的电力需求激增,在短短五年内就增加了两倍,并预计到2030年还将再次增加两倍[1]。这种惊人的增长与过去40年全球电力产量每年仅增长不到3%的情况形成了鲜明对比,AI的能源需求远远超过了这一增长速度[2],如图1左侧所示。如果我们继续依赖传统处理器,大型语言模型(LLMs)的发展可能会很快达到一个不可持续的瓶颈。这一紧迫性还因AI硬件早期效率提升的停滞而加剧。如今,数据中心主要使用GPU进行训练和推理。尽管GPU制造商经常强调效率的提高——声称在过去十年中效率提高了40,000倍——但这些数字掩盖了一些潜在的问题[3]。仔细研究效率提升的来源后,我们可以发现维持这种发展速度将面临诸多挑战。效率提升的主要驱动力来自电路/架构创新、半导体工艺的进步以及数据格式的优化。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号