14纳米仿照AI芯片在检测板上(图片来自Ryan Lavine)。
施普林格·自然 供图

该论文先容，随着AI技能的崛起，对能源和资源的需求也随之上升。
在语音识别领域，软件升级极大提升了自动转写的准确率，但由于在存储器与处理器之间移动的运算数量不断增加，硬件无法跟上演习和运行这些模型所需的数以百万计的参数。
研究职员提出的一个办理办法是利用“存内打算”(CiM，或称仿照AI)芯片。
仿照AI系统通过直接在它自己的存储器内实行运算来防止低效，而数字处理器须要额外韶光和能源在存储器和处理器之间移动数据。
仿照AI芯片估量能极大提升AI打算的能效，但之前对此的实际演示一贯缺少。

研究者手上拿着的14纳米仿照AI芯片(图片来自Ryan Lavine)。
施普林格·自然 供图

论文第一作者和通讯作者、IBM研究实验室S. Ambrogio和同事开拓了一个14纳米的仿照AI芯片，在34个模块(tile)中含有3500万个相变革内存单元。
研究团队用两个语音识别软件在措辞处理能力上测试了该芯片的效率，这两个软件分别是一个小网络(Google Speech Commands)和一个大网络(Librispeech)，并在自然措辞处理任务上与行业标准进行比拟。
小网络的性能和准确率与当前的数字技能相称。
对付更大的Librispeech模型来说，该芯片能达到每秒每瓦12.4万亿次运算(Tera Operations)，系统性能估计最高能达到传统通用途理器的14倍。

用来制造仿照AI芯片的300毫米晶圆(图片来自Ryan Lavine)。
施普林格·自然 供图

《自然》同期揭橥同行专家的“***与不雅观点”文章称，该研究在小模型和大模型中同时验证了仿照AI技能的性能和效率，支持其有望成为数字系统的商业可行的替代选择。
(完)