IBM 高性能 AI 芯片提升神经网络计算能力

在推进人工智能（AI）能力方面迈出重要一步，IBM 欧洲研究 推出了一款专为复杂深度神经网络计算优化的尖端计算芯片。这款全新的 64 核混合信号存内计算芯片展示了模拟与数字处理的非凡融合，实现了计算时间的加速和能耗的降低。

以模拟存内计算革新 AI 计算

数十年来，追求更快、更节能的计算一直是电子工程师的核心主题。鉴于其巨大的计算需求，随着 AI 和 深度学习算法的出现，这一追求变得尤为紧迫。模拟存内计算（AIMC）是一种充满前景的方法，它能在单个芯片上无缝集成计算和数据存储。

IBM 欧洲研究的突破在于其革命性的 64 核混合信号存内计算芯片，该芯片利用相变存储器（PCM）器件与数字计算处理器相结合。这种模拟与数字组件的融合创造了一种能够处理深度神经网络所需复杂计算的架构。

芯片的核心由 64 个基于模拟 PCM 的核组成，每个核包含一个 256x256 的突触单元交叉阵列。紧凑的基于时间的模数转换器嵌入每个核中，以促进模拟和数字处理之间的平滑过渡。此外，轻量级数字处理单元被战略性地集成到每个核中，高效处理诸如整流线性单元（ReLU）神经元激活函数和长短期记忆（LSTM）网络操作等任务。

数字通信网络是实现前所未有的性能的关键

该芯片的一个显著特征是其数字通信网络，它连接了存储核和全局处理单元。这种巧妙的设计使芯片能够在片上执行单个神经网络层所需的计算，从而显著减少计算时间和能耗。因此，该芯片的性能基准测试超越了其同类产品。

在全面评估中，IBM 欧洲研究团队使用深度学习算法对该芯片进行了严格测试。结果令人瞩目，深度神经网络在 CIFAR-10 图像数据集测试中取得了 92.81% 的惊人准确率。值得注意的是，这一准确率水平位居采用类似技术的芯片报告的最高水平之列，凸显了 IBM 方法的有效性。

迈向未来进步的基石

IBM 最近的成就标志着 AIMC 芯片能够无缝支持深度学习算法复杂需求的关键一步。这一成就可能为芯片架构的进一步改进奠定基础，从而释放更显著的性能提升。

在此基础上，IBM 欧洲研究设想完善其芯片设计。从当前芯片和之前的 34 片芯片中汲取经验，团队旨在创建端到端的模拟 AI 推理加速器架构。这一雄心勃勃的计划涉及将众多模拟存内计算模块与专用数字计算核心集成在一起。所有组件都通过高效的大规模并行 2D 网格网络连接。结合近年来开发的复杂硬件感知训练技术，这些加速器有望在可预见的未来为各种模型提供卓越的神经网络准确率。

IBM 欧洲研究推出的革命性 64 核混合信号存内计算芯片代表了 AI 计算领域的重大进步。通过结合模拟和数字处理，该芯片展示了增强的计算速度和能源效率，这是 AI 和深度学习的关键方面。怀着对未来的美好愿景，通过创新芯片架构实现 AI 加速的道路已经铺就。