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
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。