大家好，欢迎来到全新的艾伯德博客网站！ 既然您在读这篇文章，我敢打赌，即使不是很热衷于了解和探索芯片设计深度学习的潜力，您至少也会很好奇。 在即将发布的博客中，我们将与您这样的芯片设计师分享我们的经验，以及我们在为半导体行业开发人工智能推理IP的过程中发现的任何架构方面的瑰宝。 与任何关系一样，重要的是正确地介绍我们是谁。 让我们从艾伯德的历程开始。
艾伯德是一家总部位于加州硅谷的 AI（人工智能）半导体 IP 初创公司。 该公司于 2018 年由 Da Chuang、Siyad Ma 和 Sharad Chole 这三名工程师组成的团队建立，他们曾在思科合作，专注于网络应用。
我想，人们普遍会认为，每一家初创企业都从“婴儿”时刻开始。 对于艾伯德的创始人而言，这更像是一种烦人的感觉：深度学习很像网络，我们应该能够做得更好！ 他们三人开始分析现有解决方案中的训练和推理工作负载，并打算应用他们数十年的网络经验。 不管他们研究的是哪种方法，最基本的限制因素都是内存和计算之间的带宽限制：无论为 AI 推理系统使用了多少内存或处理能力，带宽限制仍然会使性能受限。 此外，现有的 AI 架构（坦率地说，现在仍然）非常低效。 由于它们依赖于传统 CPU 设计，因此有效利用率（实际用于处理的时间，而非等待下一个处理周期的时间）极低。 利用率低就等于效率极为低下，因为这浪费了大量功耗和处理周期。
他们想到了一个问题：我们如何让所有引擎和资源保持忙碌状态？ 我们能否创建一个 AI 推理处理器，以便用户在可用带宽内优化处理，同时以一种显著提高利用率的方式完成？
怀着这一使命，艾伯德组建了一个工程师团队，开始了详尽的设计、迭代、设计、迭代（不断重复，任何了解这一过程的人都非常清楚）过程。 我们制作了一个台积电 7nm 测试芯片，并于 2021 完成了该芯片的硅特性测试。 硅结果验证了我们的设计方法，并表明我们的 Origin™ 架构提供了真正的市场差异化 PPA（功耗、性能、面积）。
2021 年 4 月，我们不再默默研究，在 2021 年 Linley 春季会议上发表了题为“艾伯德：用无与伦比的 IPS/W 构建神经网络引擎”的演讲。 自此以后，我们公开详细介绍了 Origin 架构，继续扩大团队规模，并不断改进产品的 PPA。 最近，我们宣布了 1800 万美元的 A 轮融资。 新年伊始，我们的第一个客户（一家全球消费类设备公司……很快就会有更多）将开始量产。
在接下来的博客中，您会看到关于我们独特的 DLA 架构、基于数据包的实施、新兴 AI 用例以及许多其他主题的更多信息。 我们诚邀您在 LinkedIn、Twitter 和 Facebook 上关注我们，在这里您将看到有关艾伯德所有内容的新闻，包括何时发布新博客的通知。
有任何疑问 我们很想听到您的消息。 在此处给我们留言，我们将会与您联系。