芯片制造商AMD近日表示,计划把用于芯片设计的部分电子设计自动化(EDA)工作负载转移到谷歌云上,对自身数据中心能力进行扩展。
EDA是芯片设计过程的一个重要组成部分,涉及到使用计算机辅助设计软件来创建印刷电路板、集成电路和微处理器。芯片制造商需要复杂的设计以极高的密度,把元件封装到电路板上,而EDA提供的标准化流程和自动化可以加快开发的速度。
芯片制造商使用EDA软件可以设计、建模、模拟、测试和分析新的电路设计,用于评估性能,并在投入生产之前发现潜藏的任何问题。
AMD表示,EDA的重要性不言而喻,因此也就不难理解为什么AMD希望在谷歌云上运行其中一些工作负载,谷歌云提供的先进的网络、存储和人工智能功能将让AMD从中受益。
AMD进一步解释说,规模、弹性和资源的有效利用在芯片设计过程中至关重要,因此AMD还打算采用谷歌最新的、计算优化的C2D虚拟机实例,这些实例都是运行在AMD第三代AMD EPYC处理器上的。AMD相信,AMD通过采用这些虚拟机可以并性地运行更多设计,从而在管理短期计算需求的方式上,提供更大的灵活性,而不会减少长期项目的资源分配。
AMD公司芯片设计工程副总裁Mydung Pham表示,谷歌云的C2D实例提供了一种新的高性能资源途径,让他的团队能够将计算解决方案与每个EDA工作流程进行混搭和匹配。
谷歌方面强调,AMD将从中受益,例如AMD可以提高灵活性,以最有效的方式运行应用,通过谷歌人工智能和机器学习工具改进设计和操作,以及提供成本和资源消耗方面的透明度。
谷歌云总经理、基础设施副总裁Sachin Gupta表示,云的速度、规模和安全性为AMD等芯片设计公司带来了他们急需的灵活性。
好文章,需要你的鼓励
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。