▲ 圖源 IBM

10 月 24 日消息，IBM Research 日前推出 AI 芯片 NorthPole，該芯片靈感號稱“來自人類大腦的運作”，推論性能據稱超越 4nm GPU，適用于邊緣計算等范疇。

IT之家經過查詢得知，NorthPole 芯片是 IBM 曾在 2014 年“模擬人腦運作”的 TrueNorth 芯片的后繼者，芯片開發同樣由 TrueNorth 芯片負責人 Dharmendra Modha 所主導。

據悉，在傳統的半導體產業中，芯片主要遵循相同的基本架構，處理單元與儲存信息是相互分開的，這種架構雖然簡化了芯片設計模式，卻也因傳輸速度趕不上處理速度而出現了“馮?諾伊曼瓶頸（von Neumann Bottleneck）”，而 Dharmendra Modha 則認為，人腦是目前所知最節能的處理器，因而持續尋找以數字方式復制人腦的方法。

IBM 目前推出的 NorthPole 芯片，相對于傳統芯片最大的不同點在于“芯片內置存儲器”，在沒有“馮?諾伊曼瓶頸”的情況下，NorthPole 芯片的 AI 推論能力優于市面上競品。

雖然 NorthPole 采用 12nm 工藝，于 800 平方毫米上安置了 220 億個晶體管，擁有 256 個核心，于 8-bit 精度下每核心每個周期可執行 2048 次操作，若是在 4-bit 或 2-bit 精度下，操作次數則可翻倍。

▲ 搭載 NorthPole 的 PCIe 卡，圖源 IBM

在具體架構上，NorthPole 號稱模糊了運算與存儲間的界線，這讓 NorthPole 容易整合至系統，且明顯減少了搭載芯片的設備負載。

IBM Research 在 ResNet-50 模型上測試 NorthPole，相較于同樣基于 12nm 工藝的 GPU 競品，NorthPole 每秒辨識幀數的能效是競品的 25 倍，而且不管是在延遲或運算空間的要求上，表現都優于市面上所有主流架構，甚至凌駕基于 4nm 工藝的 GPU。

不過，NorthPole 的優勢同時也是它的弱點所在，NorthPole 只能輕松讀取集成在芯片中的本地數據信息，讀取外界數據時，便沒有計算速度優勢。

Dharmendra Modha 聲稱，雖然 NorthPole 無法用來承載 GPT-4，但應該可滿足許多企業所需的模型推論要求。

目前 IBM Research 仍在研究 NorthPole 的適用領域，研究人員許多需要即時處理大量資料的邊緣計算可能非常適合 NorthPole，例如自動駕駛、遙感通信等領域，NorthPole 均有用武之地。