Канадский ИИ-чип с «впаянной» в кремний нейросетью: в 10 раз быстрее и в 20 раз дешевле флагманов Nvidia

Канадский технологический стартап Taalas анонсировал революционную концепцию в сфере ИИ-вычислений: вместо использования универсальных графических процессоров (GPU) компания предлагает интегрировать алгоритмы нейросетей непосредственно на физическом уровне кремниевого кристалла. Их дебютная разработка, получившая индекс HC1, базируется на архитектуре популярной модели Llama 3.1 8B и демонстрирует впечатляющую эффективность.

Канадский ИИ-чип с «впаянной» в кремний нейросетью: в 10 раз быстрее и в 20 раз дешевле флагманов Nvidia
Изображение: Taalas

Фундаментальная идея Taalas строится на абсолютной специализации аппаратного обеспечения под конкретную задачу. Инженеры фактически трансформируют логическую структуру нейронной сети в топологию транзисторов. Такой подход позволяет радикально оптимизировать архитектуру: чипу больше не требуется дорогостоящая память HBM, сложная многослойная компоновка или экстремальные системы охлаждения. В результате Taalas удалось добиться десятикратного превосходства в производительности над флагманскими ускорителями современности при снижении производственных затрат в 20 раз.

Кристалл HC1 изготавливается на мощностях TSMC по 6-нанометровому техпроцессу. Его площадь составляет внушительные 815 мм2, что сопоставимо с габаритами топового чипа Nvidia H100.

Ключевая особенность архитектуры Taalas является одновременно и её главным ограничением — полным отсутствием универсальности. Поскольку логика модели жестко зафиксирована в кремнии, запуск других алгоритмов на таком устройстве технически невозможен. Это превращает чип в узкоспециализированный инструмент для решения конкретных задач.

Тем не менее решение Taalas выглядит крайне перспективным для крупных технологических корпораций, нуждающихся в максимальном быстродействии при обработке данных в реальном времени. Стартап утверждает, что способен конвертировать любую актуальную нейросеть в «железное» исполнение всего за два месяца.

 

Источник: iXBT

Читайте также