导读随着摩尔定律芯片的扩展达到收益递减的地步，处理器架构正在不断发展，以加速从AI模型训练和推理，支持那些苛刻工作负载的数据中心以及庞大
随着摩尔定律芯片的扩展达到收益递减的地步，处理器架构正在不断发展，以加速从AI模型训练和推理，支持那些苛刻工作负载的数据中心以及庞大的边缘计算部署在内的所有工作。
这些芯片设计趋势是本周的Linley Fall Processor Conference的重点，在此会议上，由于摩尔定律逐渐枯竭，原理分析师Linley Gwennap提出了硬件加速器的理由。与AI和边缘计算一起，新兴的芯片体系结构被用于提高应用程序性能以及支持这些企业工作负载的数据中心基础架构。
Gwennap认为，手写是在墙上：缩小到3nm节点的芯片几乎没有产生性能上的好处，而电阻增加等因素却使晶体管的增益，速度和功率下降。此外，成本和功率限制超过了扩展的晶体管数量。
这些芯片和其他最先进的芯片均由台湾半导体制造公司制造。早期迹象表明，与芯片扩展相关的成本超过了优势，GlobalFoundries则在7nm节点投入了大量资金。取而代之的是，台积电的主要竞争对手专注于12nm及更高节点，目标是低功耗嵌入式芯片应用。
Gwennap说，另一种新兴的处理器策略是用新颖的硬件加速器设计代替大量的晶体管。例如，采用GPU和网络处理器形式的专用加速器来增强计算和内存资源。一个典型的例子是AI加速器芯片以及数据处理单元或DPU的数量不断增加。