馗鼎奈米技術部落格｜電漿設備、DLC鍍膜與表面處理新知

TechNews 2019年08月21日 作者 liu milo 近幾年 AI 晶片火熱，不讓 Nvidia 專美於前，英特爾在確定進入 10 奈米時代後更是積極追趕，美國時間 20 日，英特爾公布首款神經網路處理器 Nervana(代號Springhill)相關細節，包含訓練晶片 NNP-T 與推論晶片 NNP-I，加上原有的 Xeon 在 AI 晶片陣容越發堅強，技術也開始兼容了起來。 美國時間 20 日，英特爾在今年 Hot Chips 大會上公佈首款神經網路處理器 Nervana 細節，如其名，這是 2016 年英特爾收購包含 Nervana 幾家新創公司的成果。Nervana 處理器分為訓練晶片 NNP-T 與推論晶片 NNP-I。 訓練用的 Nervana NNP-T，主打可編程與靈活性，並強調可從頭建構大規模深度學習模型，且盡可能訓練電腦在給定的能耗預算內快速完成任務，也無需傳統技術的龐大開銷。 NNP-T 支援了 Google TPU Tensorflow 架構特有的運算格式「bfloat16」，bfloat16 截斷既有的 32 位元 float32 的前 16 位，僅留下後 16 位所組成，在許多機器學習模型可以容忍較低精確度計算、不需降低收斂準確率的情況下，許多模型使用 bfloat16 達到的收斂準確率結果與一般使用的 32 位元浮點（FP32）計算數值的結果一樣，降低精度其實能讓記憶體效率取得較佳的平衡，從而訓練與部署更多的網路、降低訓練所需的時間，有較好的效率與靈活性，而這是英特爾首次將 bfloat16 內建於處理器。 另外有趣的是 NNP-T 其實採用的是台積電 16 奈米 CLN FF+ 製程，這與一般我們對英特爾自行生產晶片的認知有所差異，而在 Nervana 被英特爾收購前，第一代 Lake Crest 就是由台積電所代工。NNP-T 採用台積電最新的 CoWoS（Chip on Wafer on Substrate）封裝技術，將 NNP-T 的晶粒與四個 8GB HBM2 記憶體異質整合堆疊 2.5D，讓其封裝體積縮小成一個 60X60 mm的晶片。 英特爾同時發表了推論晶片 Nervana NNP-I，主要針對大型資料中心市場高效能深度學習推論而生，NNP-I 主要基於英特爾 10nm...

TechNews 2019年07月17日 作者 愛范兒 電腦或許在某些方面比人腦更聰明，但人腦依然是世界上最精密的「機器」，英特爾正打算將電腦做成人腦。 在 15 日的 DARPA 2019 年電子復興計畫峰會，英特爾發表了一個代號為 Pohoiki Beach 的神經擬態系統，包含了 64 顆 Loihi 晶片，集成了 1,320 億個晶體管，總面積 3,840 平方毫米，將 800 萬個數位神經元和 80 億個突觸塞進了這個電腦系統裡。 早在 2018 年的 CES 大會，英特爾就推出了代號的 Loihi 的神經擬態晶片，所謂神經擬態計算，簡單來說就是透過數位電路來模擬人類大腦，而 Loihi 是一款具有自主學習能力的 AI 晶片。 目前 Loihi 晶片已經發展到第五代，每一個 Loihi 晶片採用 14 奈米製程製造，集成 21 億個晶體管、13 萬個神經元和 1.3 億個突觸，跟傳統的處理器相比，Loihi 的速度提高了 1,000 倍，運算效率能提升 10,000 倍。 這種晶片而在提升演算力的同時還能降低功耗，在網路擴展 50 倍的情況下僅需要耗費 30% 的功率，而一般的 IoT 硬體則需要耗費 500% 的功率，同時還能夠將運行即時深度學習基準測試的功耗降低 109 倍。 英特爾的研究人員已經將由 Loihi 晶片組成的系統用於模擬皮膚的觸覺和控制義肢等任務，而這套系統未來真正的目標，是應用在自動駕駛、物聯網等涉及深度學習的場景。  在完成 800 萬個數位神經元的 Pohoiki Beach 系統之後，英特爾計劃在今年底能夠突破 1 億個神經元，這將接近一個小型哺乳動物大腦的水平。 不過這距離由約 860 億個神經元組成的人腦，還有很大的差距，但在摩爾定律逐漸失效的晶片領域，已經是很大的突破。 在未來的生活中，越來越逼近人腦的神經擬態晶片所帶來的改變，或許將不亞於 5G 和人工智慧。 【免責聲明】 本文章內容僅代表作者個人觀點，與馗鼎無關。 內容性、文字闡述和原創性未經本站證實，對本文章及全部或部分內容、真實性、完整性、及時性本站不作任何保證或承諾，僅供讀者參考，請自行核實相關內容。 相關連結： https://technews.tw/2019/07/17/in...