“APU แบบ Compute-in-Memory จาก GSI ทำงานเร็วเท่ากับ GPU แต่ใช้พลังงานน้อยกว่า 98%” — เมื่อการประมวลผลแบบใหม่อาจเปลี่ยนเกม AI ทั้งในหุ่นยนต์, IoT และอวกาศ
GSI Technology ร่วมกับทีมวิจัยจากมหาวิทยาลัย Cornell เผยผลการทดสอบ APU (Associative Processing Unit) รุ่น Gemini-I ซึ่งใช้สถาปัตยกรรม Compute-in-Memory (CIM) ในการประมวลผล AI โดยไม่ต้องแยกหน่วยความจำออกจากหน่วยคำนวณเหมือน CPU หรือ GPU แบบเดิม
ผลการทดสอบ Retrieval-Augmented Generation (RAG) บนชุดข้อมูลขนาด 10–200 GB พบว่า Gemini-I มีประสิทธิภาพเทียบเท่า NVIDIA A6000 GPU แต่ใช้พลังงานน้อยกว่าถึง 98% และเร็วกว่า CPU ทั่วไปถึง 80% ในงานค้นคืนข้อมูล
เทคโนโลยีนี้เหมาะกับงานที่ต้องการประสิทธิภาพต่อวัตต์สูง เช่น:
หุ่นยนต์และโดรนที่ใช้ Edge AI
อุปกรณ์ IoT ที่มีข้อจำกัดด้านพลังงาน
ระบบป้องกันประเทศและอวกาศที่ต้องการความเย็นต่ำและความเร็วสูง
GSI ยังเผยว่า Gemini-II ซึ่งเป็นรุ่นถัดไปจะเร็วขึ้นอีก 10 เท่า และ Plato ซึ่งอยู่ในขั้นพัฒนา จะเน้นงาน embedded edge ที่ใช้พลังงานต่ำแต่ต้องการความสามารถสูง
Gemini-I APU จาก GSI ใช้สถาปัตยกรรม Compute-in-Memory
รวมหน่วยความจำและประมวลผลไว้ในชิปเดียว
ประสิทธิภาพเทียบเท่า NVIDIA A6000 GPU ในงาน RAG
แต่ใช้พลังงานน้อยกว่าถึง 98%
เร็วกว่า CPU ทั่วไปถึง 80% ในงาน retrieval
เหมาะกับงาน AI ที่ต้องการความเร็วและประหยัดพลังงาน
Gemini-II จะเร็วขึ้นอีก 10 เท่าและลด latency
เหมาะกับงาน memory-intensive
Plato จะเน้น embedded edge AI ที่ใช้พลังงานต่ำ
เช่น หุ่นยนต์, IoT, อุปกรณ์พกพา
งานวิจัยตีพิมพ์ใน ACM และนำเสนอที่งาน Micro '25
เป็นการประเมินเชิงลึกครั้งแรกของอุปกรณ์ CIM เชิงพาณิชย์
https://www.techpowerup.com/342054/compute-in-memory-apu-achieves-gpu-class-ai-performance-at-a-fraction-of-the-energy-cost
GSI Technology ร่วมกับทีมวิจัยจากมหาวิทยาลัย Cornell เผยผลการทดสอบ APU (Associative Processing Unit) รุ่น Gemini-I ซึ่งใช้สถาปัตยกรรม Compute-in-Memory (CIM) ในการประมวลผล AI โดยไม่ต้องแยกหน่วยความจำออกจากหน่วยคำนวณเหมือน CPU หรือ GPU แบบเดิม
ผลการทดสอบ Retrieval-Augmented Generation (RAG) บนชุดข้อมูลขนาด 10–200 GB พบว่า Gemini-I มีประสิทธิภาพเทียบเท่า NVIDIA A6000 GPU แต่ใช้พลังงานน้อยกว่าถึง 98% และเร็วกว่า CPU ทั่วไปถึง 80% ในงานค้นคืนข้อมูล
เทคโนโลยีนี้เหมาะกับงานที่ต้องการประสิทธิภาพต่อวัตต์สูง เช่น:
หุ่นยนต์และโดรนที่ใช้ Edge AI
อุปกรณ์ IoT ที่มีข้อจำกัดด้านพลังงาน
ระบบป้องกันประเทศและอวกาศที่ต้องการความเย็นต่ำและความเร็วสูง
GSI ยังเผยว่า Gemini-II ซึ่งเป็นรุ่นถัดไปจะเร็วขึ้นอีก 10 เท่า และ Plato ซึ่งอยู่ในขั้นพัฒนา จะเน้นงาน embedded edge ที่ใช้พลังงานต่ำแต่ต้องการความสามารถสูง
Gemini-I APU จาก GSI ใช้สถาปัตยกรรม Compute-in-Memory
รวมหน่วยความจำและประมวลผลไว้ในชิปเดียว
ประสิทธิภาพเทียบเท่า NVIDIA A6000 GPU ในงาน RAG
แต่ใช้พลังงานน้อยกว่าถึง 98%
เร็วกว่า CPU ทั่วไปถึง 80% ในงาน retrieval
เหมาะกับงาน AI ที่ต้องการความเร็วและประหยัดพลังงาน
Gemini-II จะเร็วขึ้นอีก 10 เท่าและลด latency
เหมาะกับงาน memory-intensive
Plato จะเน้น embedded edge AI ที่ใช้พลังงานต่ำ
เช่น หุ่นยนต์, IoT, อุปกรณ์พกพา
งานวิจัยตีพิมพ์ใน ACM และนำเสนอที่งาน Micro '25
เป็นการประเมินเชิงลึกครั้งแรกของอุปกรณ์ CIM เชิงพาณิชย์
https://www.techpowerup.com/342054/compute-in-memory-apu-achieves-gpu-class-ai-performance-at-a-fraction-of-the-energy-cost
⚡ “APU แบบ Compute-in-Memory จาก GSI ทำงานเร็วเท่ากับ GPU แต่ใช้พลังงานน้อยกว่า 98%” — เมื่อการประมวลผลแบบใหม่อาจเปลี่ยนเกม AI ทั้งในหุ่นยนต์, IoT และอวกาศ
GSI Technology ร่วมกับทีมวิจัยจากมหาวิทยาลัย Cornell เผยผลการทดสอบ APU (Associative Processing Unit) รุ่น Gemini-I ซึ่งใช้สถาปัตยกรรม Compute-in-Memory (CIM) ในการประมวลผล AI โดยไม่ต้องแยกหน่วยความจำออกจากหน่วยคำนวณเหมือน CPU หรือ GPU แบบเดิม
ผลการทดสอบ Retrieval-Augmented Generation (RAG) บนชุดข้อมูลขนาด 10–200 GB พบว่า Gemini-I มีประสิทธิภาพเทียบเท่า NVIDIA A6000 GPU แต่ใช้พลังงานน้อยกว่าถึง 98% และเร็วกว่า CPU ทั่วไปถึง 80% ในงานค้นคืนข้อมูล
เทคโนโลยีนี้เหมาะกับงานที่ต้องการประสิทธิภาพต่อวัตต์สูง เช่น:
🔋 หุ่นยนต์และโดรนที่ใช้ Edge AI
🔋 อุปกรณ์ IoT ที่มีข้อจำกัดด้านพลังงาน
🔋 ระบบป้องกันประเทศและอวกาศที่ต้องการความเย็นต่ำและความเร็วสูง
GSI ยังเผยว่า Gemini-II ซึ่งเป็นรุ่นถัดไปจะเร็วขึ้นอีก 10 เท่า และ Plato ซึ่งอยู่ในขั้นพัฒนา จะเน้นงาน embedded edge ที่ใช้พลังงานต่ำแต่ต้องการความสามารถสูง
✅ Gemini-I APU จาก GSI ใช้สถาปัตยกรรม Compute-in-Memory
➡️ รวมหน่วยความจำและประมวลผลไว้ในชิปเดียว
✅ ประสิทธิภาพเทียบเท่า NVIDIA A6000 GPU ในงาน RAG
➡️ แต่ใช้พลังงานน้อยกว่าถึง 98%
✅ เร็วกว่า CPU ทั่วไปถึง 80% ในงาน retrieval
➡️ เหมาะกับงาน AI ที่ต้องการความเร็วและประหยัดพลังงาน
✅ Gemini-II จะเร็วขึ้นอีก 10 เท่าและลด latency
➡️ เหมาะกับงาน memory-intensive
✅ Plato จะเน้น embedded edge AI ที่ใช้พลังงานต่ำ
➡️ เช่น หุ่นยนต์, IoT, อุปกรณ์พกพา
✅ งานวิจัยตีพิมพ์ใน ACM และนำเสนอที่งาน Micro '25
➡️ เป็นการประเมินเชิงลึกครั้งแรกของอุปกรณ์ CIM เชิงพาณิชย์
https://www.techpowerup.com/342054/compute-in-memory-apu-achieves-gpu-class-ai-performance-at-a-fraction-of-the-energy-cost
0 Comments
0 Shares
19 Views
0 Reviews