原文标题：
AI芯片设计不再单纯考虑性能 如何降低成本与提高效率将成为重点
(请勿删减原文标题)
原文连结：
https://bit.ly/3Beh3nM
(请善用缩网址工具)
发布时间：
2021年10月26日
(请以原文网页/报纸之发布时间为准)
原文内容：
由于数十亿美元已投入AI新创公司，使得初期讨论重点都放在性能上。但是，随着AI训练
模型需要更多的运算资源，使得重点工作正在转移到芯片的运算成本之上。也就是说，AI
芯片的性价比反而变得更重要了。
AI芯片设计有不同的方法，如今的争论是采取整合芯片还是解耦（Decoupled）的方法更
为经济。对于芯片制造商来说，这是一场熟悉的战场：到底零组件应该整合在AI大型芯片
中，或分布在电路板或网络上的网络处理单元上。
当今流行的AI系统是利用分布在电脑中的数百个辉达绘图处理器来完成。英特尔于2016年
并购的Nervana Systems就是这种分布式方法的支持者，其AI处理是分别由更便宜的芯片
和零组件上运行，其中包括低成本DDR内存和 PCI-Express互连。建构大规模芯片的成
本远高于用于将多个芯片连接在一起的微型芯片。
Cerebras Systems认为，将一系列芯片串在一起作为AI群聚是会增加硬件和费用，非线性
扩展并将它们联系在一起，甚至将所有其他基础设施相结合，是会导致能源效率低下。
Cerebras于2021年8月出货WSE-2 AI超级芯片以来，拥有850,000颗核心，是前一代的两倍
。透过将互连频宽加快至220 Pb/s，使其比绘图处理器之间提供的频带还要快45,000倍以
上。即使Cerebras的设备很贵，但购买辉达12 DGX A100也是如此；而且Cerebras设备功
率更少，也没有其他隐藏成本。
不过，有专家表示，AI芯片开发是如此多样化，以至于厂商不能采取一刀切的方法来评断
。软件可以定义硬件，一些芯片可以在将相关数据输入神经网络之前，促进在边缘运算的
处理。
Deepvision认为，通常硬件平台的开发并没有太多考虑软件，以及它如何在平台之间扩展
。因此，该公司才开发了一种软件开发工具包，可将AI模型映射到各种硬件上。
未来，AI芯片设计也可能遵循Koomey定律，这是一个用来计算设备的耗电量每18个月就会
下降一半的定律。在芯片制造商停止提高芯片频率后，持续了数十年的CPU争夺战已经转
移到效率上。毕竟，AI应用变得越来越复杂，解决复杂问题的电量将必须受到限制。不能
为了提高性能而牺牲效率，这也是AI芯片未来的挑战。
心得/评论： ※必需填写满20字
企业投资开发AI芯片，初期着重提升性能，如今如何打造性价比高的芯片反而成为关键。