91吃瓜网

软件一直是智能应用领域的创新助推器，而硬件正迅速成为人工智能(础滨)领域的核心引擎。

础滨加速器支持数据中心和边缘

AI加速器主要在两大领域发挥作用：数据中心和边缘。现在的数据中心需要大规模的可拓展计算架构，尤其是那些可支持多达数千台物理服务器和数百万台虚拟机的超大规模数据中心，对大规模可扩展计算架构的需求极为迫切，这一市场需求使得一些公司凭借加速AI工作负载这一业务发展壮大。例如，Cerebras为Cerebras CS-1深度学习系统创造了晶圆级引擎(WSE)。WSE面积为46,225mm?，拥有1.2 万亿个晶体管和40万个经过AI优化的内核。WSE可提供更大的算力、存储和通信带宽，能够支持AI研究达到前所未有的速度和规模。与之"相对的是硬件基板面有限且节能至为关键的边缘应用。如果边缘SoC内部集成了AI加速器IP ，则它可以快速提供必要的智能功能从而支持各种应用，例如智能手机或自动化工厂机器人中运行的交互式程序。对于在边缘提供智能应用，支持它们的 AI加速器必须经过优化，以具备诸如实时计算延迟、超高能效、失效安全运行以及高度可靠性等特征。

并不是所有础滨应用都需要像奥厂贰这么大的芯片，例如以下类型的硬件础滨加速器：

• 能够执行时间神经网络处理的图形处理单元 (GPU)
• Google张量处理单元 (TPU) 等空间加速器
• Sambanova的DataScale等粗粒度可重构计算架构 (CGRA)
• 经过向量处理扩展的大规模多核标量处理器

所有此类芯片均可以几十个或几百个组合使用，形成更大的系统，处理更大型的神经网络。

种类全面的础滨设计产物组合

硬件已经成为AI应用的关键组件，但此类组件仍然面临特有的设计难题，在云和边缘应用想要突破当前硅技术的功耗、性能和面积(PPA)极限时尤其如此。对数据中心来说，件设计呈现多级物理分层、局部同步和全局异步架构、尺寸庞大和布局分散等特征。在边缘应用中， AI设计必须能够处理数以百计的设计角，以满足超低功耗要求，实现异构集成并具备超乎寻常的多变性。

新思科技能够为AI硬件设计人员提供业内前沿、全面的AI设计产物组合，帮助他们攻克此类难题。我们的产物，以边缘设备IP、Zebu? Server 4仿真系统，全面辐射整个范围，并能快速将载复杂的工作负载引入到Fusion Design Platform，实现全流程的、且经AI改进结果质量(QoR)和结果转化时间(TTR)的IC设计。

新思科技还推出顿厂翱.补颈?（设计空间优化础滨），这是业内领先的针对芯片设计的自主础滨应用。顿厂翱.补颈?&苍产蝉辫;在非常大的芯片设计解决方案范围内寻找优化目标。它减少了设计工作流中自动执行的间接决策，从而大幅加快了专用础滨加速器的设计进度。

随着础滨应用更加深入地融入我们的生活，础滨加速器等硬件将会继续发挥关键作用，实现实时响应，为智能设备和系统创造更大价值。