借一步网
作者：
在
在人工智能和机器学习等数据密集型应用日益普及的今天,传统冯·诺依曼计算架构在能效方面的局限性日益凸显。为应对这一挑战,来自都灵理工大学和洛桑联邦理工学院的研究人员提出了两种新型近存计算(NMC)架构——NM-Caesar和NM-Carus,有望为下一代边缘计算节点带来突破性进展。
随着边缘计算的兴起,对实时数据处理的需求不断增加,而传统计算架构在处理这些数据密集型工作负载时表现不佳。主要原因在于:
根据计算机体系结构专家John Hennessy和David Patterson的研究,SRAM访问的能耗通常是CPU算术运算的100倍。
为解决上述问题,研究人员提出了计算存储一体化(CIM)范式,包括存内计算(IMC)和近存计算(NMC)。其核心思想是:
NMC方案保留了灵活的内存访问能力,更适合传统可编程系统的语义,因此成为本研究的重点。
NM-Caesar是一种面向面积受限场景的NMC单元,主要特点包括:
NM-Carus则是一种功能更强大的NMC架构:
研究人员对这两种架构进行了详细的评估。结果表明:
与现有CIM解决方案相比,NM-Caesar和NM-Carus的一大亮点在于其易于集成的特性:
这种低成本、低集成难度的方法,有望推动NMC技术在通用低功耗边缘设备中的广泛应用。
随着边缘AI和IoT应用的进一步普及,对高能效计算解决方案的需求将持续增长。NM-Caesar和NM-Carus的成功,为未来边缘计算芯片的设计指明了方向。研究人员表示,下一步将进一步优化架构,并探索在更先进工艺节点上的实现,以进一步提升性能和能效。
《Scalable and RISC-V Programmable Near-Memory Computing Architectures for Edge Nodes》
要发表评论，您必须先登录。
在人工智能和机器学习等数据密集型应用日益普及的今天,传统冯·诺依曼计算架构在能效方面的局限性日益凸显。为应对这一挑战,来自都灵理工大学和洛桑联邦理工学院的研究人员提出了两种新型近存计算(NMC)架构——NM-Caesar和NM-Carus,有望为下一代边缘计算节点带来突破性进展。
传统架构面临挑战
随着边缘计算的兴起,对实时数据处理的需求不断增加,而传统计算架构在处理这些数据密集型工作负载时表现不佳。主要原因在于:
根据计算机体系结构专家John Hennessy和David Patterson的研究,SRAM访问的能耗通常是CPU算术运算的100倍。
近存计算:破解能效困局的关键
为解决上述问题,研究人员提出了计算存储一体化(CIM)范式,包括存内计算(IMC)和近存计算(NMC)。其核心思想是:
NMC方案保留了灵活的内存访问能力,更适合传统可编程系统的语义,因此成为本研究的重点。
NM-Caesar:面向轻量级应用的高效方案
NM-Caesar是一种面向面积受限场景的NMC单元,主要特点包括:
NM-Carus:全自主RISC-V向量处理单元
NM-Carus则是一种功能更强大的NMC架构:
性能大幅提升
研究人员对这两种架构进行了详细的评估。结果表明:
易于集成是关键优势
与现有CIM解决方案相比,NM-Caesar和NM-Carus的一大亮点在于其易于集成的特性:
这种低成本、低集成难度的方法,有望推动NMC技术在通用低功耗边缘设备中的广泛应用。
未来展望
随着边缘AI和IoT应用的进一步普及,对高能效计算解决方案的需求将持续增长。NM-Caesar和NM-Carus的成功,为未来边缘计算芯片的设计指明了方向。研究人员表示,下一步将进一步优化架构,并探索在更先进工艺节点上的实现,以进一步提升性能和能效。
《Scalable and RISC-V Programmable Near-Memory Computing Architectures for Edge Nodes》