捡书1周前
今天,我有幸聆听了李想与理想汽车CTO谢炎关于自研芯片的深度对话,收获颇丰。谢炎重点拆解了冯诺依曼架构与数据流架构的核心差异,以及数据流架构更适配AI时代需求的原因。 一、冯诺依曼架构:指令驱动模式 谢炎用厨房比喻解释:配菜、切菜等工作人员需等待指令才工作,存在响应延迟。传统CPU需“总厨”(指令发射员)统筹,占用30%-40%晶体管面积;GPU取消“总厨”,改用“小组长”管理,但大规模计算时,空闲小组无法分担忙碌小组的工作,存在效率瓶颈。 二、数据流架构:AI专属的数据驱动模式 数据流架构摒弃“总厨”“小组长”,计算单元拿到数据就立即处理,无需等待指令,大幅提升效率。目前主流有两种:英伟达LPU(静态数据流),任务固定不可调,侧重效率;理想马赫M100(动态数据流),兼顾高效率与可编程性。 三、“联合设计”:AI计算的未来方向 对话提出“联合设计”理念:软件、硬件等组件协同优化,追求全链条最优,而非单一组件性能极致。 这与英伟达今年推出的Rubin平台不谋而合。Rubin作为AI计算系统,包含七款芯片和五组机架,其中就用到数据流架构的LPU芯片,这或许就是AI计算的未来——通过协同优化实现整体效率最大化,而非依赖单一组件。 #芯片 #AI #理想 #英伟达 #联合
00:00 / 02:39
连播
清屏
智能
倍速
点赞4
00:00 / 09:01
连播
清屏
智能
倍速
点赞9
00:00 / 13:27
连播
清屏
智能
倍速
点赞973
00:00 / 02:27
连播
清屏
智能
倍速
点赞5
00:00 / 00:45
连播
清屏
智能
倍速
点赞1
00:00 / 01:04
连播
清屏
智能
倍速
点赞445
一起学习黄仁勋的做事操作系统 2025年,黄仁勋受邀走进剑桥大学,站在世界顶尖学府的讲台上,他没有大谈AI格局、芯片商业,也没有分享创业传奇,只讲了一件童年小事,留下一句贯穿半生的人生箴言:How hard could it be?能有多难? 年少移民他乡,母亲全然不懂英语,却凭着一本字典,逐字抄写、反向请教,带着他一点点学会外语。这件事在黄仁勋心里埋下了一颗种子:很多看似遥不可及的难事,从来不是本身有多可怕,只是我们先在心里把它放大了。 这句反问,不是狂妄,而是一套可落地、可迭代的底层做事操作系统。 这套方法本身也要能迭代。每做完一件稍微有点规模的事(比如周期超过一周),花十五分钟问自己: 这次我用“能有多难”启动了吗?效果怎么样? 在拆解、起步、兜底、边界判断、失败处理这几个环节里,哪个做得最弱? 下次我应该调整哪一条操作规则? 把这些答案记在一个地方,就叫“我的做事操作系统”。你的方法会随着你的经历不断进化。人不会因为年纪增长而变强,只会因为系统迭代而变强。 黄仁勋曾说,真正拉开人生差距的,从来不是智商,而是勇气、乐观与适配困境的能力。但这句话后面,还应该补上半句: 以及,一套不断进化的做事方法。 往后余生,愿我们都能读懂这句“How hard could it be”——不是盲目乐观,而是清醒的勇气、系统的拆解、兜底的智慧、失败后的重启,以及永不停止的自我进化。 下次遇到让你心头一紧的事,试着对它笑一下: 能有多难? 然后,该干嘛干嘛。该拆拆,该干干,该修修,该升级升级。#个人成长 #学习方法
00:00 / 01:08
连播
清屏
智能
倍速
点赞57
00:00 / 00:36
连播
清屏
智能
倍速
点赞36
00:00 / 09:25
连播
清屏
智能
倍速
点赞23
00:00 / 01:13
连播
清屏
智能
倍速
点赞11