未来科技：AI计算需求激增，数据中心耗电量堪比派对狂饮！明尼苏达大学研究团队或携革命性设备，以惊人能效解决AI能耗难题！
研究人员设计了一种新型的"计算随机存取存储器"（CRAM）原型芯片，该芯片有望将人工智能应用的能源需求降低1000倍以上，与传统方法相比。在一次模拟中，CRAM技术显示出惊人的2500倍能源节省。
传统的计算依赖于数十年历史的冯·诺依曼架构，该架构将处理器和存储单元分开，需要不断地在两者之间移动数据，这是一个耗能的过程。明尼苏达团队的CRAM完全颠覆了这一模型，通过使用称为磁隧道结（MTJs）的自旋电子设备直接在内存中执行计算。
与依赖电电荷存储数据的传统芯片不同，自旋电子设备利用电子的自旋，为基于传统晶体管的芯片提供了一种更有效的替代品。
作为一种非常节能的基于数字的内存计算基板，CRAM非常灵活，可以在内存阵列的任何位置执行计算。因此，我们可以重新配置CRAM，以最好地匹配各种AI算法的性能需求，”发表在《自然》杂志上的论文的合著者Ulya Karpuzcu表示。他还补充说，与传统的构建模块相比，CRAM在今天人工智能系统中更为节能。
通过消除逻辑和内存之间的高能耗数据传输，像这种原型的CRAM技术可能对使人工智能在能源需求激增的时期变得更加节能至关重要。
国际能源署在3月份预测，到2026年，全球人工智能训练和应用的电力消耗可能从2022年的460太瓦时增加一倍以上，达到1000太瓦时以上——几乎与日本全国的用电量相当。
研究人员在新闻发布会上表示，这一突破的基础是20多年前的开创性工作，可以追溯到工程学教授Jian-Ping Wang使用MTJ纳米设备进行计算的先驱工作。
王教授承认，20年前他们最初提出放弃冯·诺依曼模型的提议被认为是"疯狂的"。但明尼苏达团队坚持不懈，继续在王教授的专利MTJ研究基础上进行研究，该研究使得现在在智能手表和其他嵌入式系统中使用的磁随机存取存储器（MRAM）成为可能。
当然，像这样的任何突破，研究人员仍需要解决可扩展性、制造和与现有硅的集成等挑战。他们已经在计划与半导体行业领导者进行演示合作，以帮助CRAM成为商业现实。
赋创（EMPOWERX）作为高性能计算领域的先锋，一直致力于推动技术创新，我们会及时关注最前沿的科技动态，为客户提供高效、可靠的计算解决方案。
如果您有服务器相关的问题或需要进一步了解更详细的信息，请随时私信我们【4006-997-916 / 0755-86936235】。
