NASA前掌门蛰伏10年 打造非冯·诺伊曼架构芯片

简介:

据科技网站VentureBeat报道,以开发神经网络芯片为目标KnuEdge不能被简单地看作是一家创业公司,它于10年前由美国航空航天局前掌门丹尼尔·戈尔丁(Daniel Goldin)创办,现在才脱离“隐身模式”。KnuEdge已融资1亿美元,目的是开发一款“神经芯片”。据戈尔丁称,新款芯片能提高数据中心运行效率。

戈尔丁认为,与当前基于冯·诺伊曼计算机架构的芯片相比,KnuEdge的神经芯片在成本和能耗方面具有更大优势。在冯·诺伊曼架构计算机中,存储器和处理器相互分离,通过总线相连。过去几年,通过以更高的速度在总线上传输越来越多数据,冯·诺伊曼架构计算机的速度不断提高。但是,计算机速度受到总线数据吞吐量限制,造成计算机科学家所谓的“冯·诺伊曼瓶颈”。IBM已经意识到这一问题,成立了一个研发团队开发与人脑类似的数据中心芯片。KnuEdge和IBM开发新型芯片,目的都是应对由人工智能和机器学习带来的数据爆炸。

KnuEdge的工作与IBM相似,但两者只是“形似”,因为两家公司采用不同的方法。戈尔丁在接受VentureBeat采访时说,公司已经获得2000万美元营收,正在与超大规模计算公司,以及航天、银行、医疗、宾馆和保险行业的财富500强公司积极接洽。他表示,KnuEdge的使命是推动计算产业发生翻天覆地的改变,“它起源于一次火星任务”。

10年助跑

  KnuEdge首款芯片集成有256个内核

2000年,戈尔丁意识到控制太空飞船的指令延时过长,因此太空飞船必须能自主运行。他估计,一次火星任务需要的软件将挑战科技极限,代码将超过数千万行,“软件的成本太高了,这是一个大问题,是我们国家难以承受的”。戈尔丁遂萌生开发新型芯片之意。

戈尔丁2005年创办KnuEdge,并获得了长期投资,“我与投资者接洽时就明白,我们不能走传统的硅谷融资之路(投资后迅速获得回报)。我要开发的是革命性技术,为新一代机器学习系统开发未来的工具,改进人机交互界面。我们的董事会成员都是传奇性的商人和技术专家,我们清楚会有一个长达10年的助跑期。”但戈尔丁没有披露KnuEdge董事会成员身份。

安全的语音识别技术

KnuEdge芯片是更大平台的一部分。戈尔丁说,KnuEdge还将发布KnuVerse——军用级语音识别和认证技术,它将使语音技术用于下一代计算系统。

尽管过去5年语音技术市场在Siri、Cortana、Google Home和Echo等语音助手推动下呈现爆炸性增长态势。但是,受安全和噪音问题影响,大多数商业性语音技术团队的愿景尚未实现。KnuVerse解决方案基于获得专利的语音识别技术,适用于噪音非常大的环境。安全的语音识别技术可以应用于银行、娱乐和宾馆行业。

KnuEdge表示,无论用何种语言,只要对着麦克风说上数个单词,计算机、移动应用和物联网设备就能对用户身份进行认证,这一过程不会受到环境噪音的影响。除KnuVerse外,KnuEdge还面向开发者发布了Knurld.io开发工具和一款基于云计算的语音识别和认证服务。通常情况下,把这一服务整合到应用中只需2小时。

KnuEdge公布了支持LambdaFabric技术的KnuPath芯片。这是KnuEdge开发的首款芯片,采用相对落后的制造工艺,集成有256个内核,每个内核相当于一个微型数字信号处理器。戈尔丁说,LambdaFabric使每个内核能即时连接在一起,有助于克服当前多核芯片面临的其中一大主要问题。LambdaFabric能够连接至多51.2万个设备,使得系统可以适应对处理能力要求最高的计算环境。信号在不同机架间传输时,LambdaFabric延迟仅为400纳秒。整个系统能耗相当低。

人脑以极低能耗完成大量计算任务的生物学原理,是KnuEdge所有设计的基础。KnuPath芯片基于戈尔丁所谓的“异构稀疏矩阵机器学习算法”,运行利用C++编写的软件。编程人员可以让每个内核运行不同算法,使内核能并行运行。戈尔丁称,这是一种多输入、多数据设计,“使我们能获得所需要的处理能力”。

  KnuEdge的KnuPath芯片

市场研究公司Tirias Research首席分析师鲍罗·泰奇(Paul Teich)在一份声明中说,“KnuEdge脱离‘隐身模式’,目的是利用其全新语音和机器学习技术,解决物联网、基于云计算的机器学习和模式识别领域的关键难题。”

首款芯片问世

戈尔丁今天表示,KnuEdge计划展示其设计。KnuEdge去年12月份完成首款芯片设计,将向潜在客户分享芯片。戈尔丁说,首款芯片采用32纳米工艺制造,尽管采用了相对落后的工艺,但其处理能力仍然相当强大,性能是同类芯片的2-6倍,“人类大脑有数千亿个神经元,每个神经元与至少1万-10万个神经元相连。人脑是世界上效能比最高和处理能力最强大的计算机”。

KnuEdge在设计新版芯片。KnuEdge通过出售原型系统创收,每块主板集成有4个芯片。

在谈到与IBM的竞争时,戈尔丁说,“我认为我们做出了正确的选择,选择了正确的方向。IBM的方法不同于我们。我们不针对任何人,我们只是面向未来发展。”

KnuEdge有100名员工,戈尔丁表示,KnuEdge外包了几乎所有工作。他说,KnuEdge计划今年末或明年初进行新一轮融资。KnuEdge合作伙伴包括加州大学圣迭哥分校。

戈尔丁称,有了能处理自然语言的计算机系统,许多不能看书或写字的人将能更轻松地照料他们自己,“我希望能够利用机器学习帮助人们沟通和谋生。这仅仅是个开端,这一领域相当于当年的西大荒。我们正与所有大公司沟通,它们对此非常兴奋”。

KnuEdge技术的一个范例应用是具有更高自我感知能力的房间,如果房间内发生异常,KnuEdge系统可以对异常情况进行分析,确定是否需要向房主报警。

在谈到KnuEdge的技术能否用于将人类送上火星时,戈尔丁表示,“这一技术向远征火星的人员或组织开放。如果KnuEdge的技术被用于将人类送上火星,我会很高兴。”



本文转自d1net(转载)

相关实践学习
一键创建和部署高分电影推荐语音技能
本场景使用天猫精灵技能应用平台提供的技能模板,在2-5分钟内,创建一个好玩的高分电影推荐技能,使用模板后无须代码开发,系统自动配置意图、实体等,新手0基础也可体验创建技能的乐趣。
达摩院智能语音交互 - 声纹识别技术
声纹识别是基于每个发音人的发音器官构造不同,识别当前发音人的身份。按照任务具体分为两种: 声纹辨认:从说话人集合中判别出测试语音所属的说话人,为多选一的问题 声纹确认:判断测试语音是否由目标说话人所说,是二选一的问题(是或者不是) 按照应用具体分为两种: 文本相关:要求使用者重复指定的话语,通常包含与训练信息相同的文本(精度较高,适合当前应用模式) 文本无关:对使用者发音内容和语言没有要求,受信道环境影响比较大,精度不高 本课程主要介绍声纹识别的原型技术、系统架构及应用案例等。 讲师介绍: 郑斯奇,达摩院算法专家,毕业于美国哈佛大学,研究方向包括声纹识别、性别、年龄、语种识别等。致力于推动端侧声纹与个性化技术的研究和大规模应用。
相关文章
|
人工智能 自动驾驶 编译器
英伟达发布 Hopper H100 新架构芯片:面向 AI、自动驾驶汽车及 Metaverse 领域
英伟达发布 Hopper H100 新架构芯片:面向 AI、自动驾驶汽车及 Metaverse 领域
736 0
英伟达发布 Hopper H100 新架构芯片:面向 AI、自动驾驶汽车及 Metaverse 领域
|
算法 网络协议 编译器
2022年中国研究生数学建模竞赛D题参考代码及思路-PISA架构芯片资源排布问题
2022年中国研究生数学建模竞赛D题参考代码及思路-PISA架构芯片资源排布问题
2022年中国研究生数学建模竞赛D题参考代码及思路-PISA架构芯片资源排布问题
|
3月前
|
存储 监控 安全
芯片DFX:Coresight架构
芯片DFX:Coresight架构
59 0
|
3月前
|
安全 物联网 数据安全/隐私保护
智能终端信息安全概念(八):硬件安全技术—芯片自主化与安全硬件架构
智能终端信息安全概念(八):硬件安全技术—芯片自主化与安全硬件架构
35 0
|
9月前
|
供应链 芯片
平头哥芯片采用的RISC-V架构
平头哥芯片采用的RISC-V架构
264 1
|
11月前
|
存储 机器学习/深度学习 人工智能
ISSCC 2022 | 兼顾能效、精度和灵活性,可重构数字存算一体架构打开高算力AI芯片新范式
ISSCC 2022 | 兼顾能效、精度和灵活性,可重构数字存算一体架构打开高算力AI芯片新范式
391 0
|
12月前
|
弹性计算 Cloud Native Android开发
阿里云服务器ARM架构c8y、g8y和r8y采用倚天710芯片
阿里云服务器ARM架构c8y、g8y和r8y采用倚天710芯片,阿里云自研CPU处理器倚天Yitian 710,2.75 GHz主频,搭载倚天710处理器的云服务器ECS有计算型c8y、通用型g8y和内存型r8y,云服务器吧分享阿里云自研CPU处理器倚天Yitian 710性能测评:
382 0
|
12月前
|
弹性计算 Cloud Native Android开发
阿里云服务器ARM架构CPU处理器倚天Yitian 710芯片
阿里云服务器ARM架构CPU处理器倚天Yitian 710芯片,阿里云自研CPU处理器倚天Yitian 710,2.75 GHz主频,搭载倚天710处理器的云服务器ECS有计算型c8y、通用型g8y和内存型r8y,云服务器吧分享阿里云自研CPU处理器倚天Yitian 710性能测评:
293 0
|
算法 网络协议 编译器
2022年中国研究生数学建模竞赛D题PISA架构芯片资源排布问题思路分析
2022年中国研究生数学建模竞赛D题PISA架构芯片资源排布问题
|
Web App开发 弹性计算 Ubuntu

热门文章

最新文章