怎样评价清华大学Fengbin Tu设计的可重构多模态神经网络芯片Thinker

信息太少,看不出来什么。不过,魏老师的学生,应该不缺资金吧?希望能够成功产业化,如寒武纪。
■网友
【怎样评价清华大学Fengbin Tu设计的可重构多模态神经网络芯片Thinker】 对于深度神经网络而言,无疑ASIC是吞吐率和功耗最优,可惜它没任何可扩充性。
CPU/DSP 专家则采用VLIW/SIMD,以增加并行度和计算资源来以扩充吞吐率。
两者之间,就是这个可重构专用处理,试图在深度学习中获得灵活性和高效性的折中,毕竟未来的神经网络拓扑还在持续发展,另方面几百M的系数和计算带来的问题也很大,需要高效的计算。它类似FPGA, 由PE 阵列和 互连组成。可以看作轻量级的FPGA.
问题在于,这就是深度学习落地的最终解决方案?
显然,目前没有一种架构能让人满意。存储墙的读写,要占掉一多半的功率,RRAM才是真正的最终方案


    推荐阅读