شركة ناشئة في سنغافورة تطلق بنية جديدة لشرائح الذكاء الاصطناعي! تستهدف وحدة MPU تسريع استدلال الذكاء الاصطناعي
في 6 نوفمبر، أفادت Tech in Asia بأن شركة Symatics السنغافورية الناشئة في مجال أشباه الموصلات كشفت عن بنية لشرائح الذكاء الاصطناعي تُسمى MPU (وحدة المعالجة المتحولة)، وهدفها الأساسي جعل معالجة مهام الذكاء الاصطناعي أسرع وأكثر كفاءة.
ببساطة، تحتاج البيانات عند معالجة مهام الذكاء الاصطناعي على الشرائح التقليدية إلى الانتقال مرارًا بين الذاكرة ووحدات الحوسبة، ما يستغرق وقتًا ويستهلك الموارد. وتأمل Symatics في تقليل نقل البيانات عبر المعالجة المتوازية للصفوف والأعمدة، إلى جانب تخطيط مسارات التنفيذ مسبقًا بواسطة المترجم، بما يسرّع استجابة الذكاء الاصطناعي، خصوصًا في حالات مثل المحادثات التفاعلية واستدلال الذكاء الاصطناعي.
لكن تجدر الإشارة إلى أن MPU لا تزال حاليًا في مرحلة البحث والتطوير والتحقق التقني. ولم يُكشف بعد عن أي تفاصيل بشأن الرقائق النموذجية أو تصنيعها تجريبيًا أو التقدم في التمويل، ولا يزال أمامها طريق قبل الوصول إلى التسويق التجاري الفعلي.
لم تعد المنافسة في مجال الذكاء الاصطناعي تقتصر على النماذج وحجم القدرة الحاسوبية؛ فبنية الشرائح وكفاءة الطاقة وتكلفة الاستدلال لا تقل أهمية. وبالنسبة إلى قطاع العملات المشفرة، قد تستفيد تطبيقات الذكاء الاصطناعي والبلوك تشين مستقبلًا من تقنيات حوسبة أكثر كفاءة، لكن يبقى أن نرى ما إذا كان بالإمكان تطبيق هذه البنية الجديدة عمليًا، وهو ما سيتطلب مزيدًا من التحقق لاحقًا.$AKE $UAI $UVXY
في 6 نوفمبر، أفادت Tech in Asia بأن شركة Symatics السنغافورية الناشئة في مجال أشباه الموصلات كشفت عن بنية لشرائح الذكاء الاصطناعي تُسمى MPU (وحدة المعالجة المتحولة)، وهدفها الأساسي جعل معالجة مهام الذكاء الاصطناعي أسرع وأكثر كفاءة.
ببساطة، تحتاج البيانات عند معالجة مهام الذكاء الاصطناعي على الشرائح التقليدية إلى الانتقال مرارًا بين الذاكرة ووحدات الحوسبة، ما يستغرق وقتًا ويستهلك الموارد. وتأمل Symatics في تقليل نقل البيانات عبر المعالجة المتوازية للصفوف والأعمدة، إلى جانب تخطيط مسارات التنفيذ مسبقًا بواسطة المترجم، بما يسرّع استجابة الذكاء الاصطناعي، خصوصًا في حالات مثل المحادثات التفاعلية واستدلال الذكاء الاصطناعي.
لكن تجدر الإشارة إلى أن MPU لا تزال حاليًا في مرحلة البحث والتطوير والتحقق التقني. ولم يُكشف بعد عن أي تفاصيل بشأن الرقائق النموذجية أو تصنيعها تجريبيًا أو التقدم في التمويل، ولا يزال أمامها طريق قبل الوصول إلى التسويق التجاري الفعلي.
لم تعد المنافسة في مجال الذكاء الاصطناعي تقتصر على النماذج وحجم القدرة الحاسوبية؛ فبنية الشرائح وكفاءة الطاقة وتكلفة الاستدلال لا تقل أهمية. وبالنسبة إلى قطاع العملات المشفرة، قد تستفيد تطبيقات الذكاء الاصطناعي والبلوك تشين مستقبلًا من تقنيات حوسبة أكثر كفاءة، لكن يبقى أن نرى ما إذا كان بالإمكان تطبيق هذه البنية الجديدة عمليًا، وهو ما سيتطلب مزيدًا من التحقق لاحقًا.$AKE $UAI $UVXY