在法國研究實驗室CEA-Leti的創(chuàng)新日上，F(xiàn)acebook首席AI科學家Yann LeCun發(fā)表重要講話時，提到Nvidia收購ARM，可以加速運行RISC-V以運行用于邊緣AI應用的神經網絡。

他表示：“行業(yè)發(fā)生了變化，采用屬于Nvidia的ARM會使人們感到不安，但是RISC-V的出現(xiàn)讓人看到具有RISC-V內核和NPU(神經處理單元)芯片的課鞥呢。”

“這些產品價格便宜得令人難以置信，不到10美元，許多產品都在中國以外的地區(qū)，它們將無處不在?！?“我想知道RISC-V是否會接管那里的世界。”

他不贊成Leti的一項主要計劃，該計劃致力于刺激神經網絡和類似方法(例如電阻RAM(RRAM))，但是卷積神經網絡(CNN)的發(fā)明者和圖靈獎的AI獲獎者對此有其他看法。

他說：“模擬實現(xiàn)面臨的主要問題是很難將硬件復用與模擬神經網絡一起使用。”

“當您進行卷積并重用硬件時，您必須進行硬件多路復用，因此必須有一種方法來存儲結果，然后需要模擬存儲器或ADC和DAC轉換器，這會扼殺整個想法。因此，除非我們擁有廉價的低功耗模擬內存，否則它將無法正常工作?！彼f。“我很懷疑，也許是憶阻器陣列或自旋電子器件，但我有些懷疑。”

他說：“當然，邊緣人工智能是一個非常重要的話題?！?“在接下來的兩到三年中，這將不是奇異的技術，而是要盡可能降低功耗，修剪神經網絡，優(yōu)化權重，關閉未使用的系統(tǒng)部分，” LeCun表示：“我們的目標是在未來兩到三年內將相關功能引入到AR設備的芯片，并在五年內使用這種設備，而且這種情況即將到來，”他說。

“十年后的今天，自旋電子學將會取得一些突破，或者在無需硬件多路復用的情況下允許模擬計算的任何突破?” 他問。他說：“我們能提出這樣的想法嗎?如果沒有數(shù)據(jù)改組和沒有硬件多路復用，那么對于單個芯片來說，這樣的設備尺寸會大大縮小，這是一個很大的挑戰(zhàn)?！?/p>

“公司正在為下一代芯片開發(fā)1nm和2nm技術，我堅信我們可以通過傳感器，神經網絡和控制器來實現(xiàn)硬件的未來，從而實現(xiàn)不同的發(fā)展，”Leti的首席執(zhí)行官Emmanual Sabonnadiere說道?！拔覀冋谂χ贫▏矣媱?，并在政治決策中運用科學。Edge AI旨在阻止數(shù)據(jù)泛濫和數(shù)據(jù)隱私，使人們可以擁有自己的數(shù)據(jù)?！?，他接著說。

Leti還是歐洲神經網絡計劃的一部分，該計劃正在研究神經網絡芯片的新平臺。

CEA-Leti副首席執(zhí)行官兼首席技術官Jean Rene Lequeypes說：“有新一代技術正在研究中?！?/p>

“現(xiàn)在，我們有超過2000人致力于下一代技術的研發(fā)。他指出，挑戰(zhàn)在于集成所有不同的元件，而不必使用5nm及以下所需的極端UV光刻。但是我們希望最終性能達到1000TOPS / mW，這是一個很大的挑戰(zhàn)，而且如何使用存儲器，不同的技術以及如何將它們集成在一起而無需使用EUV?！?/p>