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
SAP S/4HANA内存ERP系统推出十多年后,95%的传统用户表示构建积极的迁移案例需要巨大努力或面临真正挑战。一项涵盖455名CIO、高级IT角色、SAP专家和业务经理的调查发现,83%的受访者不完全理解SAP最新的迁移政策和截止日期,84%对当前信息传递及其对运营的影响表示担忧。SAP为传统ECC系统设定了激进的支持截止日期,主流支持将于2027年结束。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
微软通过其Planetary Computer平台将NASA的Landsat和Sentinel-2卫星数据集引入Azure云服务。该数据集包含来自NASA的Landsat 8、9号卫星以及欧洲航天局Sentinel-2系列卫星的地球监测数据,为气候变化、土地利用、农业应用等研究提供宝贵资源。用户可通过API或Azure存储直接访问这些PB级全球环境数据。微软还建议研究人员使用Azure OpenAI服务创建智能应用,结合AI技术进行土地分类、植被监测、森林砍伐趋势分析等地球观测研究。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。