SRAM對于AI至關(guān)重要，尤其是嵌入式SRAM。它具有最高的性能，可以將其直接與高密度邏輯集成。僅出于這些原因，它就很重要。邏輯的擴展性比 SRAM 更好。因此，SRAM 變得更加重要，并且占用了更大的芯片面積。一些處理器上有大量的SRAM，這種趨勢可能會持續(xù)下去，這開始成為整個處理器的重要成本驅(qū)動因素。希望將盡可能多的計算集成到這些高性能訓練引擎上。隨著我們的進展，看看如何處理這個問題將會很有趣。看到的一件事是，這些達到標線極限的大型芯片被分解為多個小芯片，并通過適當?shù)幕ミB使它們能夠充當一個大型芯片，從而集成更多的計算和更多的 SRAM。反過來，大量的 SRAM 進一步推動了向基于小芯片的實現(xiàn)的轉(zhuǎn)變。  
 
    ?無論是數(shù)據(jù)中心還是兩美元的邊緣設(shè)備，機器學習都是一個內(nèi)存管理問題。這不是一個計算問題。歸根結(jié)底，你要么擁有大量的訓練集，并且整天試圖在片外和片內(nèi)來回洗牌，要么你正在迭代推理，你已經(jīng)得到了一堆權(quán)重，你就會得到激活。不同風格的計算實現(xiàn)之間的所有架構(gòu)差異都可以歸結(jié)為管理內(nèi)存以及管理權(quán)重和激活流的不同策略，這在很大程度上取決于可用和選擇的內(nèi)存類型。任何芯片架構(gòu)師都在有效地規(guī)劃出適合其部署場景的內(nèi)存層次結(jié)構(gòu)，但在任何場景中，都必須擁有 SRAM。


本文關(guān)鍵詞：SRAM

相關(guān)文章：16Mb異步快速SRAM芯片S6R1616V1M