?

百億年前的宇宙大爆炸

給地球帶來了變化萬千的碳基生命。

而硅基生命經歷了70多年的發展，

最像人腦、會說人話的機器人ChatGPT，

終于在去年橫空出世。

其實，在ChatGPT的背后，

需要約26萬個CPU在一起運行，

這些CPU堆在一起仿佛巨獸，

相比之下人腦則顯得十分迷你。

因此，從面積能耗比上來看，

CPU比起人腦還是相去甚遠。

CPU如何工作？

從1936年CPU發明至今，

其核心原理就未曾改變過：

CPU不停地從存儲系統中讀取數據作為指令，

再根據指令，決定改變存儲系統的哪些數據。

對于同一份作為指令的數據，

不同的CPU有著不同的理解，這就是指令集。

CPU一旦形成芯片，指令集通常就固定了下來。

現代CPU的指令集都是圖靈完備的，

簡單來說就是能夠進行通用計算。

所以說，CPU在通用計算上天賦異稟，

各種不同類型的應用需求都可以滿足。

人腦 PK CPU

與CPU的工作原理不同，

人腦有1000億個神經元和100萬億個突觸，

神經元和突觸互聯形成了復雜的神經網絡，

由化學信號在神經元之間傳遞信息。

如果按CPS（每秒計算次數）考量，

人腦的算力是10¹⁶CPS，

相當于每秒進行1億億次運算，

目前只有造價過億的超級計算機才能擔此重任。

超低能耗是大腦的最強優勢之一。

CPU工作需要消耗大量能量并保持散熱，

而人腦在執行基本任務時，

卻能神奇地以較低的能耗運行。

此外，人腦能通過各個感官系統

處理豐富的環境信息，形成全面認知。

憑借高度并行的神經網絡結構，

大腦能夠同時處理多個信息流，

CPU雖然具備并行計算能力，

但在規模和效率上遠不及人腦。

人腦可以主動思考，做出復雜決策，

是“軟硬件”高度融合的體現，

這條路對于CPU來說很難走通。

如果非要問人腦有啥槽點？

也有，比如處理速度較慢、存儲容量有限、

有時迷糊犯錯、運行太久腦殼疼……

缺點還是有那么一丟丟的，

否則，我們何必發明電腦呢。

讓CPU學習人腦

雖然碳基與硅基有著“跨物種”之別，

但二者之間的溝壑正在逐漸彌合。

通過模仿人腦神經元和突觸的機制，

神經形態計算讓芯片也擁有“硅腦”。

神經處理單元（NPU）

可以用更接近人腦的方式運轉。

在同一個AI任務中NPU和CPU相比，

能耗減少1000倍，效率卻提升10000倍，

這樣的數字多么令人心動！

新思科技的NPU IP核和工具鏈

DesignWare ARC NPX6和NPX6FS NPU IP，

面向AI應用提供高算力并降低實時能耗，

可以利用最新的神經網絡模型

滿足日益增長的性能需求，

并加快下一代智能SoC上市時間。

? ? ?

?

? ? ? ? ?