AI 芯片架构：从 GPU 到 LPUs 的爆发
AI Chip Architectures
John Hennessy 和 David Patterson 曾预言计算机架构将迎来“寒武纪大爆发”，如今这一预言已成现实。随着 Moore's Law 和 Dennard Scaling 的终结，通用 CPU 性能增长停滞，专为 AI 设计的领域专用架构（DSAs）应运而生。从 NVIDIA 的 GPU 到 Google 的 TPU，再到 Groq 的 LPU 和 Cerebras 的 Wafer-Scale Engine，数十种架构正在激烈竞争。本文深入剖析了这些芯片背后的设计哲学、架构差异及扩展策略，探讨了在“内存墙”挑战下，不同架构如何通过优化数据流动和计算单元来解决 AI 计算中核心的矩阵乘法难题。
未来十年，我们将见证计算机架构领域的寒武纪大爆发。
HN 评论区
45- hliyan
有没有人在研究在不受同步时钟信号限制的 CPU 架构上运行神经网络？有机神经网络本质上就是异步的，信号以各自的速度在网络的不同部分传播。
- ilaksh
这些成就确实令人惊叹，但我更感兴趣的是像存内计算（模拟）或其他不同方向的研究进展。
像 EnCharge、Mythic 这样的公司。
还有像 RRAM、MRAM 和 FET 这样效率更高的器件，比如采用 AlScN 的 FE-FET。
那些刚刚从实验室出来或仍处于研究阶段的东西，在实现真正巨大的效率和性能提升潜力方面更令人兴奋。
Taalas 也很有意思，因为它的效率和速度。听说它刚被 AMD 收购了。
- hadlock
也许只是我个人的感觉，但字体太细加上排版设计，让我觉得这篇文章极难阅读。斜体的过度使用和不当使用也很让人困惑。
- pure_magic
这段文字大概率是 AI 生成的。几乎难以阅读。
- paaloeye
还不错，但本不该拆成三篇帖子发。