传三星将在2026年抛弃AMD 改而使用自研GPU架构

传三星将在2026年抛弃AMD 改而使用自研GPU架构 2023年10月，三星又推出了Exynos 2400(S5E9945)，集成GPU Xclipse 940架构升级为RDNA3。后续规划的还有Exynos 2500(S5E9955)，预计今年晚些时候或者明年初发布，GPU架构肯定会继续升级，但细节暂时不详。据最新可靠曝料，2026年的再下一代产品上，三星将会抛弃AMD，改而使用自研的GPU架构。三星与AMD的授权协议签署于2019年，三年后才推出首款产品，2023年续约一次，也就是第一次签约有效期是四年，第二次也差不多，那么2026年改用自研架构也是一个合理的时间点。之所以说“又”，是因为早在2015年之前，三星就曾尝试过自研GPU，代号为“Mongoose”(猫鼬)，还正好是高通Krait(金环蛇)的天敌，但最终无疾而终。一定程度上可以说，自研GPU比自研CPU难度还要大，苹果的自研GPU都没能成功。这次就看三星能做到什么程度了。 ... PC版： 手机版：

【从IP自控、市场定位和风险识别的角度谈谈国产通用计算和图形GPU的初创产品】虽然外购IP+Design service看似是讨

【从IP自控、市场定位和风险识别的角度谈谈国产通用计算和图形GPU的初创产品】虽然外购IP+Design service看似是讨巧的商业，核心电路专利不能自控和自主迭代，但却十分有利于商业变现，极大降低了研发周期和风险。既不能轻视外购IP的商业模式，也不能轻易的自称自研。 #抽屉IT

Meta今年将部署自研芯片，搭配其他公司的GPU支持AI

Meta今年将部署自研芯片，搭配其他公司的GPU支持AI Meta Platforms（原Facebook）将于2024年部署新款自研的定制款芯片到旗下数据中心，以支持人工智能（AI）。Meta发言人回应称，这款定制芯片将搭配公司购买的现成GPU发挥作用。（路透） 标签: #Meta #AI 频道: @GodlyNews1 投稿: @GodlyNewsBot

龙芯有意入局显卡市场，目前已完成通用计算 GPU 相关 IP 设计

龙芯有意入局显卡市场，目前已完成通用计算 GPU 相关 IP 设计 过去 20 年中龙芯的主要产品是 CPU 处理器，而这两年龙芯已经开始自研集成 GPU，官方现在确认明年将会推出支持显卡及计算加速通用计算 GPU 芯片。 龙芯表示，公司的通用计算 GPU（GPGPU）目前已经完成相关 IP 的设计，正处于验证及优化过程中，第一个集成自研通用计算 GPU 核的 SoC 芯片，计划于 2024 年一季度流片。 而龙芯将此基础上研制兼顾显卡和计算加速卡功能的 GPGPU 芯片，计划于 2024 年下半年流片。 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot

Azure AI 入门 （三）摩尔定律，GPU与并行计算

Azure AI 入门 （三）摩尔定律，GPU与并行计算 摩尔定律(图一）是英特尔Intel创始人之一戈登·摩尔的经验之谈，其核心内容为：集成电路IC相同面积上可以容纳的晶体管Transistor数目在18个月到24个月便会增加一倍，因此处理器的性能大约每两年翻一倍，同时价格下降为之前的一半。 虽然名为“定律”，但其只是根据20世纪中后期的发展趋势归纳而成。进入21世纪以后，以英特尔为代表的中央处理器CPU的发展趋势渐渐慢于摩尔的预测的。仅依靠单颗处理器的速度提升已无法满足日渐复杂的计算任务，比如3维图形的渲染（3D rendering)。 因此，英伟达Nvidia在1999年提出了硬件图形处理器（Graphics Processing Unit)的概念，以大量的只能完成某些特殊任务的微处理器，代替少量的通用处理器。软件方面，并行计算也从专业科学领域逐渐向大众领域流行。用一个可能不是最恰当的比方，CPU像是由4位特级厨师组成的小组，可以完成任何烹饪任务，而GPU像是用同样工资请来的128位三明治店的员工。GPU不能做很多事，像完成一些特定的菜，但如果任务是制作2000人份的三明治，GPU一定可以依靠并行计算比CPU完成得快许多。 GPU与并行计算的普及，也使得云计算成为了可能。计算机科学家在设计计算任务时通常会首先考虑能否将大任务拆分成能同时进行的更小任务，从而可以同时运行在服务商提供的大量数目的CPU和GPU上。 图二 英伟达创始人黄仁勋 Jensen Huang

Meta号称自研AI芯片 为何转身买了英伟达35万个GPU？

Meta号称自研AI芯片 为何转身买了英伟达35万个GPU？ 高调自研的Meta转身狂购英伟达芯片Meta首席科学家杨立昆（Yann LeCun）上个月在旧金山举行的一次活动中强调了GPU对于构建通用人工智能（AGI）的重要性。他说：“如果你认为AGI时代正在到来，你就必须购买更多的GPU。这是一场人工智能战争，而英伟达正在提供武器。”Meta第三季度财报显示，2024财年的总支出将在940亿美元至990亿美元之间，部分原因是在算力方面的扩张。矛盾的是：之前，Meta的打算是自研芯片，不依赖英伟达。2023年，Meta公司首度曾公开其自研芯片的进展，表示开始计划开发一种用于训练人工智能模型的内部芯片，他们将这款新型芯片取名Meta训练和推理加速器，简称MTIA（MTIA v1），将其归类为加速人工智能训练和推理工作负载的“芯片家族”，并定计划于2025年推出。这种定制芯片采用开源芯片架构RISC-V，在类型上属于ASIC专用集成电路。巨头自研芯片不顺利2023年OpenAI 大模型爆火以来，互联网巨头对AI芯片的需求一夜爆发，一时间重金难求一卡。为了避免受制于人，节省费用，各大巨头纷纷宣布自研AI芯片。亚马逊似乎占据了先机，已拥有两款AI专用芯片训练芯片Trainium和推理芯片Inferentia；谷歌则拥有第四代张量处理单元（TPU）。相比之下，微软、Meta等还在很大程度上依赖于英伟达、AMD和英特尔等芯片制造商的现成或定制硬件。报道称，微软一直在秘密研发自己的AI芯片，代号雅典娜（Athena）。该芯片由台积电代工，采用5nm先进制程，计划最早于2024年推出。MTIA的 v1，字面性能也很强，采用台积电7nm制程工艺，运行频率800MHz，TDP仅为25W，INT8整数运算能力为102.4 TOPS，FP16浮点运算能力为51.2 TFLOPS。但从目前的进度上看，微软、Meta的进度并不算快，微软一直在订购英伟达的芯片，Meta此次高调宣布购入35万个H100，也表明，自身研发并不顺利。AI算力竞争是否再次展开据OpenAI测算，从2012年开始，全球AI训练所用的计算量呈现指数增长，平均每3.43个月便会翻一倍。2023年，各巨头对AI芯片的抢购，一度让英伟达H100持续涨价缺货。根据研究机构Raymond James的分析师预测，每个英伟达H100芯片售价为25000至30000美元。按此价格范围计算，Meta在这些芯片上的支出将至少接近百亿美元。Meta为何不吝于成本，斥巨资买入英伟达芯片。扎克伯格在周四的文章中还表示，将把人工智能投资与AR/VR驱动的元宇宙愿景联系起来，并计划推出Llama大型语言模型的下一个版本。从上述表态中可以看出，Meta的自身业务深入发展，需要算力的支持，这是根本原因。对于全球互联网巨头、科技公司来说，2024年的竞争已经开始，新的一轮算力竞争是否就此拉开序幕。 ... PC版： 手机版：