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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。