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。