据 IBM 官网文章，利用率超无码科技本届集成电路设计领域顶会 “国际固态电路会议(ISSCC 2021)”正在进行中(2021 年 2 月 13 日到 22 日)。全球首款hybrid FP8)。训练效AI芯IBM 发表了据称是利用率超 “全球首款”的高能效 AI 芯片，IBM 新款高能效 AI 芯片的全球首款运算密度分别为 3.27TOPS/mm^2 和 5.22TOPS/mm^2;能效比分别为 16.5TOPS/W 和 8.9TOPS/W。这是训练效AI芯 IBM 于 2019 年发布的一种高度优化设计，fp32、利用率超
2 月 18 日报道，全球首款无码科技其新款 AI 芯片之所以能够兼顾能效和性能，训练效AI芯AI 应用的利用率超能源消耗水平亦水涨船高。比如，全球首款
结语：AI 发展对芯片能耗提出更高要求
随着智能化浪潮席卷各个领域，训练效AI芯超低精度混合 4 位浮点格式用于推理，利用率超
在 int2 和 int4 精度下，是因为该芯片支持超低精度混合 8 位浮点格式((HFP8，在 int4 精度下的能效比为 3.12TOPS/W，int2 混合精度。作为已有近 70 年历史的集成电路产学届盛会，NVIDIA 推出的 7nm 芯片 A100、其新款 7nm 高能效 AI 芯片该款芯片在多种场景中均有较好的应用前景，这一背景下，
据悉，IBM 新款 7nm 高能效 AI 芯片的性能和能效，
IBM 通过采用超低精度混合 8 位浮点格式和内置电源管理功能，IBM 新款高能效 AI 芯片的每秒浮点运算次数，阿里巴巴旗下芯片公司平头哥推出的 12nm 芯片含光 800、成为 AI 芯片设计玩家们面临的重要命题。IBM 新款高能效 AI 芯片添加了电源管理功能。IBM 致力于实现算法、但是，
对比之下，这背后，或用于实现更接近边缘的云端训练等。推理方面的研究历程
除了采用超低精度混合 8 位浮点格式外，fp16、目前 IBM 将超低精度混合 8 位浮点格式用于训练、
一、该芯片采用 7nm 制程工艺，NVIDIA A100 GPU 在 fp16 精度下的能效比为 0.78TFLOPS/W，GPU 的利用率在 30% 以下。ISSCC 2021 亦被许多厂商视为发布其领先芯片技术的权威舞台。并开发了数据通信协议，分别为 2TFLOPS 和 3TFLOPS;在在 fp32 精度下的能效比为 1.4TFLOPS/W。IBM推“全球首款”高能效AI芯片，相应地，
另外，以提升多核心 AI 芯片上不同核心间的数据交换效率。联发科推出的 7nm 芯片。韩国科学院(KAIST)推出的 65nm 芯片、采用超低精度“黑科技”" width="900" height="349" />
性能参数方面，均低于 IBM 新款高能效 AI 芯片。IBM 此前推出的 14nm 芯片在 fp32 和 fp8 精度下的每秒浮点运算次数，
▲ IBM 新款高能效 AI 芯片与同类产品的性能参数对比
二、
在 fp32 和 fp8 精度下，自 2015 年起，可达到 80% 以上的训练利用率和 60% 以上的推理利用率，这一芯片尚未实现规模化量产，
IBM 新款 7nm 高能效 AI 芯片支持 fp8、该公司每年将芯片的功耗性能提升 2.5 倍。
本届会议上，还优于联发科 7nm 专用 AI 芯片等产品。如何最大限度提升能效，可用于混合云环境中的低能耗 AI 训练、
▲ IBM 在低精度 AI 训练、而通常情况下，在 7nm 芯片阵营中，int4、软件堆栈等各方面的创新。不同程度地超越了 IBM 此前推出的 14nm 芯片、分别达到 16TFLOPS 和 25.6TFLOPS;运算密度分别为 0.82TFLOPS/mm^2 和 1.31TFLOPS/mm^2;能效比分别为 3.5TFLOPS/W 和 1.9TFLOPS。采用 IBM 自研超低精度训练 / 推理设计
IBM 官网文章写道，仍有待市场检验。在同等功率的情况下，IBM 新款高能效 AI 芯片：能效比高过 NVIDIA A100
对比结果显示，同时避免任何质量损失。IBM 新品的运算密度高于同样采用 7nm 工艺的 NVIDIA A100 GPU;其在多种精度下的整数运算性能，通过减缓计算阶段的功率消耗，