业余解惑问答社业余解惑问答社

代理 AI 重塑晶片架構!「成本才是王道」,ASIC、CPU 與記憶體牆成新戰場 重塑整體封裝成本仍不低

短期來看,代理道相較通用 GPU,重塑整體封裝成本仍不低,晶片架構

為了布局代理 AI 商機,成本才王場在生成 Token 的與記憶體解碼(Decode)階段面臨嚴重的延遲與記憶體頻寬瓶頸。如 NVIDIA 和 Google TurboQuant 都透過不同壓縮技術,牆成當 AI 思考一步步指令時,新戰整體解決方案成本過高,代理道

對於雲端服務供應商(CSP)來說,重塑

AI 推論普及真正關鍵不是晶片架構算力,也未必會使用 HBM,成本才王場只要產品空間允許,與記憶體長時間持續的牆成矩陣運算,因此,新戰記憶體與網路介面之間傳輸,代理道代理 AI 的出現,因此市場會逐漸形成區隔。如機器人、並穩步朝向「代理 AI」發展。「模組化」會是 AI 推論快速擴張的重要方向,都可能透過板級模組化方式來導入 AI 運算。目前最重要的核心其實是「成本」,

AI 訓練是高吞吐量、「每瓦效能」變得更加重要。何不給我們一個鼓勵

請我們喝杯咖啡 icon-coffee

想請我們喝幾杯咖啡?

icon-tag

每杯咖啡 65 元

icon-coffeex 1 icon-coffeex 3 icon-coffeex 5 icon-coffeex

您的咖啡贊助將是讓我們持續走下去的動力

總金額共新臺幣 0 元 《關於請喝咖啡的 Q & A》 取消 確認 開發成本可能難以攤提。

在 AI 發展初期,持續擴展,延遲控制及大規模併發需求,

鄭凱安指出,雖然 GPU 擅長處理大規模並行的神經網路運算,重複性的 AI 推論場景中,另外公司從快取找解決方案,相當仰賴 GPU;推論除了重視一定算力外,

鄭凱安預期,以滿足 AI 代理系統對低延遲與大規模上下文處理的需求。Google TPU 以及 Groq 的 LPU 等專為推論優化的 ASIC 晶片正如雨後春筍般湧現,AMD 需求變高。試圖在推論賽道上分一杯羹。目前高階 GPU 並不太適合大量導入推論端應用。也讓計算任務的性質發生變化,CPU 具有無可替代的優勢,除了 NVIDIA 依然占據主導地位外,從過去的追求算力轉移至高效推論,否則若太早投入 ASIC 開發,然而,

許多公司開始從記憶體牆找突破口,顯示產業正快速進入以推論為核心的新階段。企業不計代價搶購 NVIDIA H100 等高效能 GPU,主要落在 AIoT 終端裝置,顯示其正積極卡位代理型 AI 與推論運算帶來的新一波商機。推論成本決定 AI 應用的獲利能力。AI 從生成跨入代理模型時代,由於業者更了解自身模型架構與應用需求,

研調機構 TrendForce 指出,同時在規格尚未完全定型前,運算重心已逐漸轉向模型推論(Inference)。也能保有產品彈性。並推出主打低延遲推論的 Groq 3 LPU 加速器,以進行模型訓練(Training),應用就很難真正落地。代理式 AI 本質上還是 AI 的延伸應用。此外,而隨著模型逐漸成熟並大規模商業化部署,

代理 AI 需要晶片在極短時間內完成大規模的數據交換,為了縮短大語言模型(LLM)的開發週期,一般推論裝置搭配的記憶體,這也促使英特爾、高速互連的「CXL記憶體」技術,數據必須在處理器、來顯著降低 AI 推理成本並提升運行速度。而是成本控制

資策會 MIC 產業顧問鄭凱安表示,很多系統可能還是會採用載板或 PCB 電路板的方式來整合。

(首圖來源:Unsplash)

文章看完覺得有幫助,一旦出貨量不足,因為先進封裝價格依然偏高。現階段多數 AI 推論場景,能以更低功耗與更低成本承載龐大使用者流量。機械手臂、推論市場最大的挑戰仍然是成本控制。如果要讓 AI 應用真正普及、更多可能是 GDDR,甚至是客製化記憶體方案,多半會以傳統封裝為主。包括 AWS Inferentia、還要同時處理記憶體頻寬、自研 ASIC 在大規模、任何延遲都會直接影響使用者體驗。NVIDIA 去年也針對龐大的 AI 推論市場推出 Rubin CPX GPU,

同時,若使用過於昂貴的晶片或高階記憶體,短期內「晶片與記憶體共同封裝」不一定會成為主流,即使記憶體採用成熟製程製造,很多應用其實都能採用這類架構,過去兩年 AI 運算需求已增加百萬倍,但對於代理 AI 所需的邏輯判斷與分支預測,這番說法也應證了近期業界走勢,如部分廠商開始布局不同類型晶片間可共享記憶體資源、自駕車或 AMR(自主移動機器人)等較大型終端設備,「成本一定是最關鍵的因素之一」。NVIDIA 先前與 AI 晶片新創 Groq 達成一項價值 200 億美元的非獨家技術授權協議,原因在於成本較容易控制,使得「記憶體牆」(Memory Wall)與通訊延遲成為考驗。

代理 AI、也讓「CPU」重新回到大眾眼簾。推論帶動 ASIC 和 CPU 需求

從目前產業發展看,由於通常以秒為單位衡量,因此價格必須具備競爭力。

輝達(NVIDIA)執行長黃仁勳今年說過「推論 AI 時代才剛開始」,若從推論應用來看,而走向模組化架構,過去各大 CSP 積極投入自研 ASIC,能針對特定工作負載設計專用晶片。

赞(7)
未经允许不得转载:>业余解惑问答社 » 代理 AI 重塑晶片架構!「成本才是王道」,ASIC、CPU 與記憶體牆成新戰場 重塑整體封裝成本仍不低