低功耗计算机芯片初创公司Efficient Computer Co.今日宣布推出其全新旗舰产品Electron E1处理器,大幅降低了通用计算工作负载的能耗需求。
Electron E1处理器现已面向开发者提供,同时推出的还有该公司全新的effcc编译器,这是一款帮助简化应用程序与硬件集成的工具。
Efficient Computer的新芯片基于该公司所称的创新"织物架构"(Fabric architecture),旨在实现空间数据流计算。这与传统计算机芯片(如英特尔公司基于冯·诺伊曼架构的x86芯片)采用了根本不同的方法,在能效方面实现了显著提升。
该公司解释说,冯·诺伊曼芯片浪费大量能源,因为它们需要不断在内存和处理核心之间来回传输数据。通过消除这种开销,Efficient Computer表示可以将某些计算工作负载的能效提高多达100倍。
这使得Electron E1成为部署边缘计算设备(如传感器、可穿戴设备和无人机)的理想选择,这些设备通常需要依靠电池供电,因此需要谨慎节约能源以延长运行时间。
"我们正在做的事情具备CPU的能力,但效率却高出一到两个数量级,"Efficient Computer联合创始人兼首席执行官Brandon Lucia在接受IEEE Spectrum采访时表示。
**织物数据流架构**
通过全新的织物架构,Efficient Computer表示能够将软件程序的指令进行空间布局,而不是像冯·诺伊曼芯片那样从内存中顺序处理它们。
基本上,冯·诺伊曼芯片从内存中逐个接收指令。这些指令告诉处理器如何处理数据——例如,将其与某些内容相加、反转或改变格式——然后将操作结果返回内存。之后,它向处理器发送下一条指令,处理器执行所需操作并返回结果,如此反复。
冯·诺伊曼方法的问题在于其极其低效,指令从内存中提取、处理并返回结果,每秒发生数十亿次。这消耗大量能源,还存在额外开销,比如需要分支预测逻辑来预测下一条指令。
另一方面,Electron E1将整个指令序列映射为数据移动的空间路径。据Lucia介绍,可以将其视为按序列连接的"瓦片阵列"。每个瓦片本质上是一个精简的处理器核心,能够执行一系列指令,但没有获取、分支预测和其他开销。
effcc编译器读取软件程序并将每条指令分配给特定的瓦片。指令处理完成后,其结果成为下一个瓦片的输入。所有指令都按正确顺序排列,通过消除与内存的持续往返通信,使程序运行更加高效。如果程序序列出现分支(如遇到if/then/else场景),瓦片的空间模式也会相应改变,类似于铁路操作员切换开关来改变铁轨。
Efficient Computer表示,Electron E1针对嵌入式和边缘人工智能工作负载,这些工作负载受到现有中央处理器限制的困扰。该芯片已开始向各个工业和航空航天垂直领域的早期客户提供样品。
该公司还计划推出更强大的芯片版本Photon P1,将其空间计算架构扩展到更大规模的边缘计算工作负载。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。