SK hynix 和 TetraMem 与南加州大学合作,为边缘 AI 设备开发了一种实验性的基于忆阻器的片上系统(SoC)内存计算系统。该 SoC 旨在通过直接在内存阵列中进行计算来提高轻量级 AI 模型的能效,与传统的 GPU 或 NPU 相比,显著减少了数据移动和功耗。虽然该芯片展示了有前景的能效,但其理论峰值性能 2.54 TOPS 仍远不能满足当前高级 AI 应用的需求。 AI
影响 这款实验性芯片展示了一种提高边缘 AI 能效的新颖方法,但其当前的性能限制表明它尚未准备好被主流采用。
排序理由 涉及边缘 AI 设备新实验性芯片架构的研究里程碑。
- AI edge devices
- Microsoft
- MobileNetV1Small
- Nvidia
- RISC-V
- SK hynix
- SoC
- TetraMem
- University of Southern California
- Visual Wake Words
- depthwise convolution (DWC)
- in-memory computing (IMC)
- Visual Wake Words benchmark
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →