در یک کتاب الکترونیکی اخیر ، Rambus – شرکتی که فناوری تراشه اتصال باند پهنای باند بالا را طراحی ، توسعه و مجوز می دهد و پشتیبانی کامل مهندسی لازم برای یک راه حل کامل سیستم را ارائه می دهد – در انتخاب سخت افزار مناسب برای مواجه با چالش سخت افزاری هوش مصنوعی و پشتیبانی از ترکیب هوش مصنوعی در فن آوری های آینده ، جزئیات کاملی را ارائه می دهد.
از توضیحات کتاب الکترونیکی:
طراحان سخت افزار در حوزه هوش مصنوعی دائماً با چالش هایی روبرو هستند که نیاز به وزن گیری از گزینه ها و مبادلات مرتبط با آن دارد. ویراستاران AspenCore مجموعه ای از مقاله ها را برای کمک به طراحان در انتخاب تراشه های مناسب برای مواجه با چالش سخت افزاری هوش مصنوعی،مانند: تعیین میزان قدرت پردازش مورد نیاز ، تعریف الزامات برنامه و موارد دیگر را در کنار هم قرار داده اند.
از جمله مقالاتی که در این دارایی درج شده است:
راهنمای طراح: انتخاب تراشه های AI برای طراحی های جاسازی شده
کمک سخت افزاری برای انتقال هوش مصنوعی به لبه
نحوه انتخاب بین شتاب دهنده های AI
برنامه ریزی شتاب سخت افزار AI به برنامه ریزی های لازم احتیاج دارد
پاسخ های شبیه سازی سخت افزار نیازهای تأیید AI / ML
گزیده ای از مقاله اول
راهنمای طراحان: انتخاب تراشه های هوش مصنوعی برای طرح های جاسازی شده:
توسعه دهندگان و طراحان سیستم برای افزودن نوعی قابلیت شبکه های عصبی یا قابلیت یادگیری عمیق به طرح های تعبیه شده خود گزینه های مختلفی را در اختیارشان قرار می دهند. در اوایل – و حتی امروز – طراحان با موفقیت از واحدهای پردازش گرافیکی (GPU) و آرایه های دروازه قابل برنامه ریزی درست (FGPA) استفاده کرده اند ، که هر دو به خوبی به خواسته های یادگیری عمیق متصل می شوند. حتی پردازنده های x86 سنتی راه خود را در برنامه های AI پیدا کرده اند.
بسیاری از توسعه دهندگان متوجه شده اند که این فناوری های موجود همیشه به بهترین وجه مناسب نیستند. در نتیجه ، طی چند سال گذشته ، تعدادی از استارتاپ ها (و همچنین تولید کنندگان تراشه های مستقر) بر ساخت تراشه های ویژه برای برنامه های AI متمرکز شده اند. این تراشه ها از زمین به بالا ساخته شده اند تا نیازهای محاسباتی را برای الگوریتم های هوش مصنوعی و برنامه های در حال اجرا در بر گیرند.
توجه به این نکته مهم است که بلوک های IP برای SoC گزینه دیگری برای ارائه قابلیت شبکه عصبی است ، اما این یک داستان دیگر است. فروشندگان این فضا عبارتند از Cadence ، Ceva ، NXP ، Synopsys و VeriSilicon.
اما مانند همه فن آوری ها ، مزایا و تبادل نظرهایی برای هر راه حل وجود دارد. به طور کلی ، طراحان باید بر اساس کاربرد نهایی خاص خود ، بهترین فناوری را انتخاب کنند. تراشه های AI به طور معمول در سه قسمت برنامه کاربردی اصلی تقسیم می شوند – آموزش روی ابر ، استنتاج روی ابر و استنتاج در لبه.
