Chiny aktywnie poszukują możliwości penetracji ekosystemu CUDA firmy NVIDIA. W wyniku tych działań powstało godne uwagi obejście tego problemu.
Dyrektor naczelny chińskiego koncernu półprzewodnikowego opowiada się za przejściem na układy scalone definiowane programowo w sektorze sztucznej inteligencji
Prezes firmy NVIDIA, Jensen Huang, często określa CUDA jako „najsilniejszą fosę”, która wyróżnia firmę jako lidera w dziedzinie sztucznej inteligencji. Jego nacisk na rozwój ekosystemu oprogramowania podkreśla kluczowy aspekt przewagi konkurencyjnej firmy NVIDIA. W tym kontekście w Chinach pojawiły się obawy dotyczące uzależnienia kraju od CUDA. Aby temu zaradzić, Wei Shaojun, kluczowa postać w Chińskim Stowarzyszeniu Przemysłu Półprzewodników, zaapelował o opracowanie alternatyw dla CUDA i innych zachodnich technologii.
„Nawet jeśli nasza własna technologia nie jest wystarczająco dobra na początku, nadal musimy ją wykorzystywać. Metoda prób i błędów może nie przynieść rezultatu, ale bez prób z pewnością zostaniemy w tyle”.
– Wei Shaojuna
Shaojun wyraźnie wskazuje, że zamiast próbować tworzyć bezpośrednią alternatywę dla CUDA, Chiny powinny rozważyć mniej konwencjonalną strategię: wdrożenie „układów scalonych definiowanych programowo” (SDC).To podejście przenosi nacisk z prekonfiguracji sprzętowych na inteligencję obliczeniową sterowaną programowo. Obecnie programiści preferują CUDA głównie ze względu na jej ugruntowany ekosystem, który ściśle wiąże ich z ofertą sprzętową firmy NVIDIA. Jednak SDC dążą do przełamania tej zależności, a my zbadamy, jak można to osiągnąć.
Dzięki SDC programiści mogą wyeliminować potrzebę stosowania tradycyjnej architektury CUDA w swoich zadaniach obliczeniowych. Zamiast tego, układy te wykorzystują rekonfigurowalną siatkę, która wykorzystuje strumień bitów konfiguracyjnych generowany przez kompilatory. W istocie, taka struktura zapewnia większą elastyczność, ponieważ ani kompilator, ani kod źródłowy nie są powiązane z konkretną architekturą zestawu instrukcji (ISA).Stanowi to wyraźny kontrast w porównaniu z procesorami graficznymi (GPU), które zazwyczaj działają w oparciu o dedykowany system harmonogramowania. Z kolei SDC wykorzystują kompilację deterministyczną, zapewniając precyzyjne śledzenie przepływu danych z dokładnością do pojedynczego cyklu zegara.
Według profesora Wei Shaojuna wyzwania związane z tworzeniem warstw translacyjnych i niezależnych ekosystemów, które mogłyby konkurować z CUDA, są ogromne. Profesor twierdzi, że inwestycja w technologię SDC może zapewnić Chinom bardziej zrównoważoną ścieżkę rozwoju. Jednak to podejście nie jest pozbawione trudności, szczególnie ze względu na zależność od kompilatorów, co może komplikować zadania takie jak routing i rozgałęzianie. Chociaż SDC, takie jak RDU firmy SambaNova i jednostki LPU firmy Groq, wyróżniają się, obsługując specyficzne obciążenia, nie są one przeznaczone do pełnego zastąpienia procesorów graficznych (GPU).
Więcej informacji znajdziesz w oryginalnym artykule DigiTimes.
Więcej aktualizacji i obrazów znajdziesz na stronie WccfTech.
Powiązane artykuły:
Microsoft wprowadza tryb Xbox dla wszystkich komputerów z systemem Windows 11, łącząc możliwości konsoli i komputera stacjonarnego
20:22
Samsung kończy produkcję pamięci LPDDR4 pomimo 50-krotnego wzrostu zysków, przewiduje narastające niedobory pamięci do 2027 r.
19:08
Kompletny przewodnik po analizie wydajności i dostrajaniu komputera PC w systemie Windrose w celu uzyskania optymalnego działania komputera
18:19
Dodaj komentarz