标签：hardware-architecture
-
英特尔前CEO帕特·基辛格深度对话：为什么现在是硬件创新的黄金时代？
a16z
英特尔前CEO帕特·基辛格深入剖析算力、芯片与硬件创新的未来。从EDA演进与芯片设计周期，到内存墙危机、铁电新型存储与硅光互连，再到数据中心面临的严峻能源瓶颈与AI代理基础设施，系统阐明为何物理层创新正迎来文艺复兴。 -
Unconventional AI 探索基于动力系统与半导体物理的新型能效计算架构
All-In Podcast
Naveen Ralph 介绍了初创公司 Unconventional AI 的技术构想。公司旨在摆脱传统数字抽象，利用动力系统理论及半导体物理特性来构建新型硬件与整机柜系统，计划在数年内大幅提升能效并运行模型。 -
Cerebras：史上最大的芯片，不认识 Transformer
yage.ai
文章探讨了Cerebras芯片的定位，指出它并非传统意义上的ASIC，而是处于通用处理器和算法固化芯片之间的中间地带。核心观点是Cerebras的WSE在出厂时冻结的是通用处理器核心和通用指令集，而具体的算法和模型权重则由软件在推理时动态加载和处理。文章通过‘冻结层级’和‘尺度’两个维度，将Cerebras与GPU、Taalas等专用芯片进行对比，阐述了其在推理任务中通过将内存与计算阵列整合，解决传统GPU在数据搬运瓶颈问题，以及通过超大晶圆尺度来优化良率的独特优势。 -
Meta Infra千亿AI基建深陷泥潭：部门博弈、文化沉疴与定制化执念的百亿代价
Best Partners TV
本文基于SemiAnalysis的深度爆料，详尽解构了Meta在AI基础设施建设中所面临的系统性挑战。通过对Rivos芯片收购案的整合失败、Grand Teton服务器设计的软硬件脱节、Ariel定制机柜在GB200时代造成的百亿损失，以及AMD MI450定制芯片的内部博弈进行深度剖析，揭示了其在短期绩效考核机制下所滋生的组织文化弊病。文章强调了软硬件协同设计以及基础设施与模型团队紧密配合对AI时代算力建设的决定性意义。 -
Taalas HC1：AI推理革命，极致专用化芯片的颠覆与争议
Best Partners TV
Taalas公司推出的HC1 AI推理芯片，通过将大模型物理固化在硅片上，实现了比英伟达最强GPU近50倍的推理速度和二十分之一的成本。该芯片采用“存算合一”架构，彻底摒弃了GPU的存算分离瓶颈。然而，其极端专用化也带来了不可编程、模型质量退化、芯片快速过时等争议。本文深入探讨了HC1的技术原理、团队背景、成本优势、潜在应用以及其在AI芯片行业通用与专用路线之争中的独特地位。