Chip komputasi dalam memori yang baru menjanjikan pemrosesan yang lebih cepat dengan penggunaan energi yang lebih rendah
Pengembang chip kecerdasan buatan SK hynix dan TetraMem telah mendemonstrasikan prosesor baru yang berpusat pada memori yang melakukan perhitungan AI langsung di dalam memori, sebuah desain yang bertujuan untuk memotong penggunaan energi dan mengurangi kemacetan yang disebabkan oleh pemindahan data antara prosesor dan memori. Kedua perusahaan mengumumkan penyelesaian kolaborasi teknologi bersama yang berpusat pada sistem-on-chip (SoC) analog in-memory computing (A-IMC). Pekerjaan mereka menunjukkan bagaimana memori dapat mengambil bagian dari beban kerja komputasi, bukan sekadar menyimpan data. Prototipe ini menggunakan komputasi dalam memori berbasis memristor untuk melakukan konvolusi mendalam yang efisien, sebuah operasi utama yang digunakan dalam banyak model inferensi AI. Dengan memproses data tempat bobot model AI disimpan, arsitektur ini mengurangi kebutuhan untuk mentransfer informasi berulang kali antara memori dan prosesor. Pendekatan ini menargetkan salah satu tantangan terbesar yang dihadapi perangkat keras AI modern. Seiring dengan berkembangnya model AI dari miliaran menjadi triliunan parameter, pergerakan data telah menjadi sumber utama konsumsi daya, latensi, dan pembangkitan panas dalam sistem komputasi. Komputasi di dalam memori Chip AI tradisional terus-menerus memindahkan data antara unit komputasi dan memori, sehingga menghabiskan waktu dan energi. Komputasi dalam memori analog mengubah alur kerja tersebut dengan melakukan penghitungan matriks secara langsung di dalam susunan memori, sehingga mengurangi transfer data yang tidak perlu. Proyek gabungan ini menggabungkan platform komputasi analog dalam memori TetraMem dengan keahlian SK hynix dalam teknologi memori canggih. Perusahaan juga mengintegrasikan perangkat memori baru, desain sirkuit, arsitektur AI, perangkat lunak, dan optimalisasi sistem ke dalam satu platform semikonduktor. “Kami merasa terhormat bisa merayakan tonggak penting ini bersama SK hynix,” kata Glenn Ge, CEO dan Co-Founder TetraMem. “Pencapaian ini menunjukkan apa yang dapat dicapai melalui kolaborasi erat di seluruh ekosistem semikonduktor.” Menurut perusahaan tersebut, pekerjaan ini lebih dari sekadar membuktikan konsep komputasi analog dalam memori dengan mendemonstrasikan sistem AI praktis pada chip yang mengintegrasikan berbagai lapisan rekayasa perangkat keras dan perangkat lunak. Mengatasi hambatan AI Meningkatnya beban kerja AI telah meningkatkan tekanan pada pembuat chip untuk meningkatkan efisiensi energi tanpa mengorbankan kinerja. Komputasi yang berpusat pada memori telah muncul sebagai salah satu solusi yang memungkinkan karena pemindahan data sering kali menghabiskan lebih banyak energi dibandingkan perhitungannya sendiri. “Kami percaya komputasi yang berpusat pada memori dan Analog In-Memory Computing akan menjadi teknologi yang semakin penting untuk mengatasi efisiensi energi AI dan tantangan termal di masa depan, dan kami berharap dapat melanjutkan kolaborasi kami dengan SK hynix,” kata Ge. Proyek ini mewakili langkah strategis SK hynix melampaui manufaktur memori tradisional menuju arsitektur komputasi canggih. Meskipun perusahaan ini adalah produsen utama memori akses acak dinamis (DRAM) dan memori bandwidth tinggi (HBM) yang digunakan dalam sistem AI standar, prototipe ini beralih ke pendekatan neuromorfik. “Kami senang melihat keberhasilan kolaborasi ini dan pengakuan dari Advanced Intelligent Systems,” kata Soo Gil Kim, Wakil Presiden SK hynix. “Proyek ini menunjukkan nilai dari eksplorasi teknologi memori inovatif dan arsitektur komputasi baru untuk sistem AI masa depan.” Makalah penelitian ini juga dipilih sebagai fitur sampul jurnal, menyoroti kontribusi teknisnya terhadap perangkat keras AI generasi berikutnya. Kedua perusahaan mengatakan mereka berencana untuk terus bekerja sama dalam teknologi memori, arsitektur komputasi, dan integrasi sistem untuk infrastruktur AI di masa depan. Studi tersebut, “SoC Komputasi Dalam Memori Berbasis Memristor dengan Konvolusi Kedalaman yang Efisien,” diterbitkan dalam Advanced Intelligent Systems.
Diterbitkan : 2026-07-08 23:28:00
sumber : interestingengineering.com
