【限時免費領】芯片頂會PPT,2022 Hot Chips最新產(chǎn)品技術揭秘
Hot Chips是全球最具有影響力的芯片會議之一,始辦于1989年,是半導體行業(yè)領先的高性能微處理器和集成電路領域的頂級會議,最新一屆Hot Chips 34會議于2022年8月21日-23日進行。
在本屆Hot Chips共兩天七個主題議程中,覆蓋了GPU、機器學習、ADAS和高性能移動處理器等領域。
AMD、英特爾、英偉達、Arm、特斯拉等科技巨頭,Cerebras、Lightmatter等初創(chuàng)公司,以及斯坦福大學、蘇黎世聯(lián)邦理工學院等學術界代表,均對其最新芯片技術做了詳細解讀。
在本屆Hot Chips中,可以看出Chiplet加高級封裝已經(jīng)成為了高性能計算的主流解決方案。另外一個重要方向就是軟件-芯片協(xié)同設計,結合算法來做芯片的優(yōu)化和設計也是進一步提升芯片性能的重要方法之一。包括英特爾、英偉達和特斯拉等公司均在自己的最新芯片中使用了這兩個“工具”來提高芯片的性能。
另外在Hot Chips上,來自國內(nèi)的芯片公司壁仞科技帶來主題演講,重點介紹壁仞科技的自主原創(chuàng)芯片架構,以及基于這一原創(chuàng)架構打造出的國內(nèi)算力最大的通用GPU芯片BR100系列。
隨著2022年Hot Chips會議的結束,芯東西專門為大家梳理了各大科技公司和學界知名高校在會上所發(fā)布和分享的相關芯片產(chǎn)品和技術,并將各家的PPT打包供大家下載(本文最后一部分)。Hot Chips 2022演講大致包括以下部分:
第一部分:學術界研究
第二部分:GPU和HPC
第三部分:集成技術
第四部分:自動駕駛芯片
第五部分:機器學習
第六部分:網(wǎng)絡和交換機
第七部分:移動和邊緣處理器
第八部分:CXL和MLIR
其他相關的芯片新技術PPT的領取方式在文章最后哦!1
學術界研究
來自斯坦福大學、耶魯大學、東京大學、清華大學等國內(nèi)外知名院校的相關研究。
1.斯坦福大學:基于粗粒度可重構陣列的稠密線性代數(shù)加速SoC
2.耶魯大學:用于腦機接口的靈活低功耗處理結構
3.清華大學:視覺感知單元:下一代智能CMOS圖像傳感器
2
GPU和高性能計算作為Hot Chips的開場,總共有4家企業(yè)發(fā)表主題演講,包括NVIDIA(英偉達)、AMD、英特爾和壁仞科技。
壁仞科技作為國內(nèi)芯片企業(yè)的代表,在今年的Hot Chips上與三大芯片國際巨頭同臺亮相,介紹BR100系列芯片。
1.壁仞科技:BR100 GPGPU
2.NVIDIA:HOPPER H100 GPU
3.英特爾:數(shù)據(jù)中心級GPU Ponte Vecchio——設計中使用了大規(guī)模Chiplet和先進封裝技術
4.AMD:AMD Instinct MI200系列加速器及Node 架構
3
集成技術
1、英特爾:對于射頻應用——實現(xiàn)基于FPGA的硬件加速的異構集成技術
2、AI創(chuàng)企Lightmatter:硅光子學
3、Ranovus:通過光子學和電子學的單片集成實現(xiàn)可擴展的特定應用光引擎(ASOE)
4
自動駕駛芯片
目前智能駕駛行業(yè)整體處于快速發(fā)展階段,自動駕駛芯片已經(jīng)成為了芯片巨頭們的必爭之地。在此次會議上,NVIDIA也展示了自家的自動駕駛芯片Orin。
1、NVIDIA:自動駕駛芯片——Orin
2、NODAR:可提高自動駕駛安全性的3D視覺系統(tǒng)——幫助實現(xiàn)自動駕駛汽車的大規(guī)模生產(chǎn)
5
機器學習
1、Cerebras:Cerebras系統(tǒng)架構——深度學習的硬件/軟件協(xié)同設計
2、特斯拉Dojo:
(1)用于ML訓練的超級計算系統(tǒng)架構
(2)特斯拉Exa級計算機的微架構
6
網(wǎng)絡和交換機
1.AMD:400G自適應智能網(wǎng)卡SoC
2.NVIDIA :NVLink用于高通信帶寬超級POD的交換機芯片
7
移動和邊緣處理器
1.AMD:銳龍6000系列處理器
2.聯(lián)發(fā)科:天璣9000
3. 英特爾:Meteor Lake and Arrow Lake PC處理器
4. 英特爾:Xeon D 2700和1700處理器——為5G物聯(lián)網(wǎng)、企業(yè)與云端應用設計
8
CXL和MLIRCXL:Compute Express Link,是2019年由英特爾推出的開放性互連協(xié)議,用于處理器、內(nèi)存擴展和加速器的高速緩存一致性互連協(xié)議。MLIR:Multi-Level Intermediate Representation,多級中間表示。MLIR是個編譯器框架,目前主要用于機器學習領域。
1.AMD:存儲器挑戰(zhàn)、CXL3架構介紹和用例
2.英特爾:CXL的概述和演變、CXL相干性深入研究
3.谷歌:MLIR基礎
4.AMD:MLIR教程
9
芯片新技術1.PNNL:從高級框架到帶SODA的定制芯片2.佐治亞理工學院:加速可編程RISC-V GPU上的圖形渲染
*博客內(nèi)容為網(wǎng)友個人發(fā)布,僅代表博主個人觀點,如有侵權請聯(lián)系工作人員刪除。
萬用表相關文章:萬用表怎么用
負離子發(fā)生器相關文章:負離子發(fā)生器原理 矢量控制相關文章:矢量控制原理