英特尔公司今天表示正在收购(https://newsroom.intel.com/editorials/mcnamara-psg-expands- portfolio/)一家名为eASIC Corp.的无晶圆厂芯片制造商,eASIC生产的可编程计算机芯片可在生产过程中进行定制。
该交易的财务条款未有透露,英特尔则表示价格“不重要”。大约120名eASIC员工在交易完成后将加入英特尔的可编程解决方案部门,该部门是无晶圆厂芯片制造商2015年用167亿美元收购了Altera后创建的。
eASIC的芯片是名副其实的 “结构化ASIC”,所谓的结构化ASIC介于完整的现场可编程门阵列(FPGA)和特定应用集成电路之间。 FPGA通常被称之为 “硬件加速器”,是一种可以随时重新编程的集成电路,并可针对特定的计算任务进行定制。而ASIC则是专为特定应用量身定制的芯片,制造完成后无法重新编程。
近年来,FPGA和ASIC大行其道,按英特尔可编程解决方案部门企业副总裁兼总经理Dan McNamara(上图,eASIC首席执行官Ronnie Vasishta)的话说,其推动力是“数据的爆炸式增长及处理、分析、存储和分享这些数据的需求 “。
由于FPGA的多功能性和高性能,FPGA在数据中心应用的部署上用得最为广泛。FPGA由逻辑、存储器和数字信号处理模块组成,可用于实现各种功能,具有极高的吞吐量和低延迟。
FPGA的这些特性使得FPGA成了云和边缘应用的理想选择,但FPGA却更昂贵些。因此,如果新应用程序建成后不会有太大变化的话,使用比FPGA更灵活、更具成本效益的东西就更合适一些。
在通常情况下,这意味着将应用程序移至ASIC芯片上,而eASIC的结构化ASIC就提供了另一种选择。如果客户已经找到了自己喜欢的设置英特尔FPGA的方式和程序,那么就可以在工场里将该程序冻结到结构化ASIC芯片上,因而可以在更快的时间范围内比常规ASIC更接近完全定制芯片的优势。
市场咨询公司Moor Insights&Strategies总裁兼首席分析师Patrick Moorhead告诉记者,“结构化ASIC更易于设计,从而可以消除传统ASIC上架所需时间较长的缺点。”
据路透社报道,英特尔可能有计划提供结构化ASIC,为那些已经使用FPGA但希望迁移到更便宜产品的客户提供过渡。结构化ASIC的潜在应用可能会是4G和5G网络中的基带头或人工智能服务等数据密集型云应用。
Moorhead 告诉路透社记者,“不是在现场编程,而是在工场进行编程。仍然要花费数十万美元,但可以在四个月内完成,而不是在两年内完成。”
关于此次收购的时间,英特尔目前正在积极地将自己的优势扩展传统中央处理器以外的更多专业领域,其中包括含存储器和视觉处理以及FPGA和ASIC等功能的各种芯片。
Moorhead 表示,“此次收购进一步强化了英特尔不再仅仅是关乎CPU而已的举措。英特尔斥资收购Altera在FPGA上进行了大量投资,还收购了Movidius和Nervana,并正在创建一个独立的图形处理器。我希望英特尔能够进行更多的ASIC收购和封装商收购,达到能在不同类型和大小的计算机芯片上组装系统,譬如CPU、GPU、FPGA及ASIC等等。
英特尔表示希望可在第三季度完成对eASIC的收购。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。