00:00 / 04:56
连播
清屏
智能
倍速
点赞196
00:00 / 01:56
连播
清屏
智能
倍速
点赞77
00:00 / 01:31
连播
清屏
智能
倍速
点赞6
00:00 / 04:02
连播
清屏
智能
倍速
点赞1
折学佳4月前
芯片004冯诺依曼架构 冯诺依曼架构,芯片的种类有哪些 两次世界大战之后,欧洲逐渐的失去了世界科技中心的地位,大漂亮得到了最大的利益,得到了航空航天、计算机方面的大量人才,本文的主角冯诺依曼就是其中的佼佼者,他出生于1903年,是匈牙利犹太裔的美国人,说两个他身上最重要的标签,第一个是曼哈顿工程,就是大漂亮搞航空航天 核武器的这个项目,他跟钱学森有可能是认识的;第二个标签就是计算机的冯诺依曼架构,到今天为止,全世界的大多数计算机依然用的是这个架构,这个架构规定了计算机主要有输入、输出、计算、控制、存储这五个部分,每个部分都有对应的芯片。 接下来用电脑和手机来举例子,触摸屏 鼠标 键盘 麦克风 摄像头 NFC眼睛的虹膜 Wifi蓝牙GPS这些就是手机和电脑的输入部分,播放视频是通过显示屏和扬声器去输出图像和声音,把照片分享给朋友是通过有线网络或者无线的Wifi蓝牙的天线去传输出去,输入和输出就是input output,在计算机行业里面,把这两者合起来简称为IO,不同的输入和输出也要对应不同的芯片。打开软件去播放音乐、处理办公软件、让电脑做一道计算题、剪辑视频、玩游戏用的是计算机的计算和控制,计算机目前的发展计算和控制基本上已经融合在一起了,在电脑上叫CPU,在手机上CPU再加上4G 5G的上网基带合在一起叫Soc,电脑上专门用来处理图像的显示芯片是GPU,专门用于AI计算的是AI芯片。手机和电脑的操作系统,比如Windows iOS 安卓社交软件 游戏 视频 照片存放的地方就是存储芯片。再说一些周边的芯片,在一个主板上它不同的元器件用到的电压可能不一样,那就需要变压芯片;电压高低的保护芯片,传输信号如果距离太远,还需要一些信号放大的芯片,不同数据之间的转换需要一些转换芯片。接下来再说另外一种比较常见的芯片MCU ,也叫微处理器,我们日常用到的电脑 手机,它都是一些计算能力比较强的设备,那它的输入 输出 计算 控制 和存储很多时候它是分开的,每一个芯片做的是不同的工作,这就相当于一家饭店,这个饭店规模比较大他有5个人,这五个人就负责买菜切菜洗菜炒菜,每个人做的是不同类型的工作,MCU就有点类似于一个小饭店,这个小饭店只有一个人,买菜洗菜炒菜端菜洗碗,都是他一个,MCU是把计算控制存储输入输出这五个功能全部集中到一个芯片上#芯片冯诺依曼#半导体#光刻机#asml#阿斯麦
00:00 / 09:15
连播
清屏
智能
倍速
点赞19
冯诺伊曼当时可是个大才,被誉为是二十世纪最全能的天才,他出生于布达佩斯犹太家庭,匈牙利裔美籍数学家计算机科学家物理学家和化学家,1926年就获得了布达佩斯大学数学博士学位,1933年开始担任普林斯顿高等研究院教授,1937年更是当选为美国国家科学院院士,在当时那个年代真可谓是上知天文下知地理,中间还通着人合,还参与过原子弹的设计和建造,咱们现在用的电脑基础概念也是他设计的,全称叫EDVAC方案确立存储程序计算机体系结构,晚年还完成了《计算机与人脑》著作,内容为探讨人脑与计算机差异问题,并且在电磁领域也是王者可以说是相当的专业,所以冯诺伊曼来了之后,美国军方那真是乐的嘴都合不上了,但随着对设备的深入研究,冯诺伊曼的冷汗那是哇哇地往外冒,没过多久就表示这个事他也搞不定,美国军方一听你也搞不定,没事大哥继续给你摇人,于是就又给他配了个帮手,这个人也是当时非常有名的电磁学家叫托马斯汤森布朗,托马斯汤森布朗这个人打小就是个聪明的孩子,在20世纪20年代的时候,在大学工作期间就发现了高压电容器在充电时会产生机械推力的现象,也就是比菲尔德布朗效应,后来又设计并制造了多种飞行器原型,比如盘状电容器也就是我们俗称的重力仪,所以随着托马斯汤森布朗的加入,这个团队更是实力大增如虎添翼,随后他们就又开始对特斯拉建造的设备进行研究,半年之后也就是1943年7月21日,冯诺伊曼表示这套设备的问题解决了,实验可以马上进行,但后来通过解密得知,冯诺伊曼当时说设备问题已解决这个事有可能是被迫的,因为美国军方给他们定的最后期限是1943年7月22日,意思就是说这个时间点到了,无论这套设备咋样,你们都得拿出来进行实验,所以从这个事上来看,冯诺伊曼当时说设备修好了,应该是迫于美国军方压力才这么说的,要不然他的下场有可能就和特斯拉一样了。#东北碎嘴哥 #冯诺依曼 #真实事件 #费城实验 #神奇事件
00:00 / 02:17
连播
清屏
智能
倍速
点赞15
00:00 / 12:11
连播
清屏
智能
倍速
点赞40
00:00 / 03:12
连播
清屏
智能
倍速
点赞5
00:00 / 02:03
连播
清屏
智能
倍速
点赞52
捡书2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