ARM公司推出AI与机器学习用新型微处理器

简介:

智能芯片设计厂商ARM控股公司今天展示了其最新微处理器设计方案,并宣称这款处理器能够在手机、个人计算机以及联网车辆等平台上支持智能化系统。

 ARM公司推出AI与机器学习用新型微处理器

这款全新多核心、微架构方案被命名为DynamIQ,其将作为下一代Cortex-A处理器的设计基础。从传统角度讲,ARM公司的微处理器一直专注于支持智能手机与平板电脑,但如今该公司表示DynamIQ灵活多变的特性中心支持任何类型设备上的智能系统。

这一全新设计亦标志着ARM公司的一项重大突破。迄今为止,ARM芯片一直专注于提升能源效率以延长电池寿命。这样的优势虽然使得ARM得以成功击败英特尔公司并在智能手机行业中占据主导地位,但其芯片一直未能在机器学习与虚拟现实等新兴应用领域开辟出生存空间。为了弥补这一空白,ARM公司正着手在更小空间内增添更多计算核心与更快管道,旨在进一步提升性能水平。

这套新设计仍然基于ARM公司于2011年推出的原有big.LITTLE架构。Big.LITTLE芯片将轻量化核心与更为强大的核心相结合,能够在无需大量处理能力量关闭部分核心以延长电池寿命--也因此被命名为big.LITTLE。举例来说,当智能手机用户开始运行高图形运算量的视频游戏时,芯片会启动大型计算核心; 而在退出游戏之后,这些大型计算核心亦会被关闭。

凭借着DynamIQ,ARM公司开始进一步推动这项设计理念,希望通过单一系统芯片容纳多种大小的核心,同时引入更高效的内部内存总线以提升数据处理能力。该公司表示,芯片中亦拥有对应空间以帮助其执行机器学习任务。

ARM公司推出AI与机器学习用新型微处理器

ARM公司自身并不制造芯片。他们单纯负责芯片的设计工作,并将设计方案授权给实际进行芯片制造的客户。因此诸如高通公司在内的各制造商能够选择其需要的计算核心,并对应构建针对不同应用方向的定制芯片。根据ARM公司的解释,DynamIQ能够在单一集群当中容纳多达八个计算核心,且各个核心皆提供不同的性能级别。

ARM公司表示,其将在今年晚些时候推出Cortex-A芯片家族的第一款蓝图,且该家族将与DynamIQ全面兼容。除了新设计之外,ARM公司还计划于今年晚些时候发布新的中央处理器指令集与软件库,从而进一步提升这款芯片运行AI软件的能力。


原文发布时间为:2017年3月22日

本文作者:刘新萍 

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

相关文章
|
人工智能 自然语言处理 IDE
模型微调不再被代码难住!PAI和Qwen3-Coder加速AI开发新体验
通义千问 AI 编程大模型 Qwen3-Coder 正式开源,阿里云人工智能平台 PAI 支持云上一键部署 Qwen3-Coder 模型,并可在交互式建模环境中使用 Qwen3-Coder 模型。
1644 109
|
机器学习/深度学习 人工智能 监控
AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程
本系列文章深入讲解了从Seq2Seq、RNN到Transformer,再到GPT模型的关键技术原理与实现细节,帮助读者全面掌握Transformer及其在NLP中的应用。同时,通过一个房价预测的完整案例,介绍了算法工程师如何利用数据训练模型并解决实际问题,涵盖需求分析、数据收集、模型训练与部署等全流程。文章适合初学者和开发者学习AI基础与实战技能。
1530 25
AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程
|
人工智能 监控 测试技术
云上AI推理平台全掌握 (1):PAI-EAS LLM服务一键压测
在AI技术飞速发展的今天,大语言模型(LLM)、多模态模型等前沿技术正深刻改变行业格局。推理服务是大模型从“实验室突破”走向“产业级应用”的必要环节,需直面高并发流量洪峰、低延时响应诉求、异构硬件优化适配、成本精准控制等复杂挑战。 阿里云人工智能平台 PAI 致力于为用户提供全栈式、高可用的推理服务能力。在本系列技术专题中,我们将围绕分布式推理架构、Serverless 弹性资源全球调度、压测调优和服务可观测等关键技术方向,展现 PAI 平台在推理服务侧的产品能力,助力企业和开发者在 AI 时代抢占先机,让我们一起探索云上 AI 推理的无限可能,释放大模型的真正价值!
|
机器学习/深度学习 PyTorch API
昇腾AI4S图机器学习:DGL消息传递接口的PyG替换
DGL (Deep Graph Learning) 和 PyG (Pytorch Geometric) 是两个主流的图神经网络库,它们在API设计和底层实现上有一定差异,在不同场景下,研究人员会使用不同的依赖库,昇腾NPU对PyG图机器学习库的支持亲和度更高,因此有些时候需要做DGL接口的PyG替换。
|
机器学习/深度学习 PyTorch API
昇腾AI4S图机器学习:DGL图构建接口的PyG替换
本文探讨了在图神经网络中将DGL接口替换为PyG实现的方法,重点以RFdiffusion蛋白质设计模型中的SE3Transformer为例。SE3Transformer通过SE(3)等变性提取三维几何特征,其图构建部分依赖DGL接口。文章详细介绍了两个关键函数的替换:`make_full_graph` 和 `make_topk_graph`。前者构建完全连接图,后者生成k近邻图。通过PyG的高效实现(如`knn_graph`),我们简化了图结构创建过程,并调整边特征处理逻辑以兼容不同框架,从而更好地支持昇腾NPU等硬件环境。此方法为跨库迁移提供了实用参考。
|
机器学习/深度学习 存储 搜索推荐
利用机器学习算法改善电商推荐系统的效率
电商行业日益竞争激烈,提升用户体验成为关键。本文将探讨如何利用机器学习算法优化电商推荐系统,通过分析用户行为数据和商品信息,实现个性化推荐,从而提高推荐效率和准确性。
837 14
|
机器学习/深度学习 算法 数据可视化
实现机器学习算法时,特征选择是非常重要的一步,你有哪些推荐的方法?
实现机器学习算法时,特征选择是非常重要的一步,你有哪些推荐的方法?
829 1
|
机器学习/深度学习 算法 搜索推荐
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
|
机器学习/深度学习 数据采集 算法
解码癌症预测的密码:可解释性机器学习算法SHAP揭示XGBoost模型的预测机制
解码癌症预测的密码:可解释性机器学习算法SHAP揭示XGBoost模型的预测机制
1839 0