IBM开发新处理器 结合运算和内存于单一芯片
https://bit.ly/37RdFns
IBM正在开发一种处理器，期望结合运算和内存于单一芯片上，改善系统效率来克服所
谓的范纽曼瓶颈（Von Neumann bottleneck）以提高系统效率。这一解决方案预计2029年
推出，系统效率提高了1000倍。
在传统系统上，运算和内存位于不同的位置。每一次执行运作时，资讯会在运算单元和
储存单元之间来回移动。如果将两者整合在一起，效率势必提高。现今IBM研究人员已经
开发出了200 mm2 的芯片，该芯片可以在内存中处理和储存数据来克服这一瓶颈。
IBM为了达到这一目的，借由提供开发人员一组Python语音程式撰写的类比硬件加速套件
（Analog Hardware Acceleration Kit）。再透过该套件，使他们能够开始测试一种在记
忆体内的运算方法，该方法将比起任何现有处理器还能够更快地运行神经网络算法。
基本上，类比硬件加速套件的两个主要组件，一个是基于Torch库的开源机器学习库，是
PyTorch的一个实例，另一个类比设备模拟器。IBM希望在研发处理器的同时能与软件开发
商紧密合作，共同建构软件。
IBM还宣布，与Synopsys已成为IBM位于纽约州Albany市的AI硬件中心的主要合作伙伴。
Synopsys将开发用于高性能硅芯片的IP模组块，以及其他用于建构人工智能（AI）应用程
式的软件工具。
此外，IBM也将投资在纽约州Albany市的SUNY-Poly校园，新建一座无尘室设施，以推进封
装（也称为异构整合）提高内存近距离之互连能力。目的是确保在开发运算核心时，记
忆体频宽会随之增加。这些研究工作集中在细间距叠层技术上，在叠层中嵌入硅桥以实现
AI芯片之间的细间距互连。通过将内存与AI芯片堆叠在一起，实现了完整的3D整合。
总之，IBM正在开发的处理器是为了实践基于神经网络的AI应用程式（也称为深度学习演
算法），其能够通过将数据储存在内存中，以更快地反应事件，从而可以更快地处理简
单的权重运算。一旦完成，部署在边缘运算平台上的AI推理引擎将特别受益。
然而，要完全实现IBM这一研究项目，可能还需要一段时间。这也表明了，在AI应用程式
上，整个IT行业仍处在初始阶段，未来的路还很长，后续厂商势必会投入更多心力，为边
缘AI带入下一阶段。