发布时间：2019-11-26 阅读量：958 来源: 智东西 发布人: Jane
11月25日消息，日本AI创企Preferred Networks（PFN）在美国科罗拉多州丹佛市举行的2019全球超级计算大会上展示了定制AI训练芯片MN-Core，可以在500W的功耗基础上实现524TFLOPS算力，计算功率效率达到了1.05 TFLOPS / W，超过NV Tesla V100、华为昇腾910等AI芯片的能效比。
PFN成立于2014年，总部位于日本东京，目前已筹集了约1.3亿美元，其中日本丰田（Toyota）公司投资了9,660万美元。PFN主要致力于通过深度学习技术为边缘和物联网提供算力支持。此次展示的MN-Core基于台积电12nm工艺制造。以下是对WikiChipFuse相关报道的原文编译。
一、MN系列超级计算机已迭代两次
在全球超级计算机大会中PFN的展位上，我们会见了东京大学名誉教授Kei Hiraki。Hiraki教授一直参与PFN的MN-Core的开发。Hiraki解释说，PFN已经开发了一系列专用超级计算机，以加速其自己的应用程序的研发，这些应用程序使用大量的计算能力来进行深度学习。
该公司于2017年推出了首个AI超级计算机MN-1。该系统具有1,024个Nvidia Tesla P100 GPU，可达到1.39 PFLOPS和9.3PFLOPS的峰值计算量。当时，MN-1在工业超级计算机的TOP500上在日本排名第一，在世界排名第十二。
在2018年7月，PFN通过添加512个额外的Tesla V100 GPU增强了MN-1。较新的系统MN-1b将深度学习（张量）的计算能力提高到56 PFLOPS。
今年早些时候，PFN推出了迄今为止最大的超级计算机MN-2。该系统于2019年7月投入运行，该系统将V100 GPU的数量增加了一倍，并从PCIe卡切换为SXM2模块。
▲历代PFN超级计算机
二、MN-Core兼顾高性能与低功耗
PFN下一代超级计算机更加有趣。Hiraki教授解释说，PFN决定开发自己的专有深度学习加速器，以实现更高的性能，更重要的是实现更高的电源效率。
他们设计的是500瓦芯片，Hiraki表示这是在可能的冷却极限内进行的。该芯片本身在一个多芯片封装中包含四个内核。内核是根据公司自己的设计，以台积电12nm工艺制造。
▲MN-Core
在上面的芯片照片中，芯片上刻有单词“ GRAPE-PFN2”。尽管尚不清楚刻制的原因，但似乎有些体系架构源自GRAPE-DR。还需要指出的是，PFN团队的成员以前曾在GRAPE-DR物理协处理器（physics coprocessor）项目中工作，包括Hiraki教授。
MN-Core封装尺寸比较大，为85*85mm。内核面积也非常大，达到756.7mm²。在500 W功耗时，该芯片的算力为524TFLOPS。这为他们提供了1.05 TFLOPS / W的计算功率效率，这正是他们的目标。
该体系结构类似于GRAPE协处理器（coprocessor）的体系结构。尽管对各个区块进行了调整以用于训练任务，但各个区块的名称都很相似，并且总体操作非常相似。
MN-Core有DRAM I / F，PICe I / F和4个L2B区块。每个L2B中有8个L1B和1个区块存储器（block memory）。一级区块包括16个矩阵算术区块（MAB）以及其自己的区块存储器。矩阵算术单元（matrix arithmetic units）和4个处理元件（PE）组成一个MAB。每个芯片总共有512个MAB。
各个PE将数据传递给MAU，PE包含一个ALU并实现了PFN专门使用的许多自定义DL功能。PE的基本数据类型操作是16位浮点数，通过组合多个PE可以支持更高精度的操作。
▲MN-Core内部架构图
三、2 EFLOPS算力超算MN-3将使用MN-Core
MN-Core芯片本身位于MN-Core板上，后者是一种PFN设计的基于PCIe的定制加速器板。Hiraki教授表示，芯片功耗为500W，0.55 V，有1000 A电流流经电路板，而封装对设计构成了重大挑战。
该板本身是x16 PCIe Gen 3.0卡，其中集成了MN-Core芯片，32 GiB内存以及定制设计的散热器和风扇。PFN估计该卡的功耗约为600瓦。
▲搭载MN-Core的板卡
在MN-Core服务器（一个7U机架式机箱）上安装了四个MN-Core板。每个服务器中都有一个双插槽CPU。四个板使它们每秒可以达到2 PFLOPS的半精度浮点运算。
▲MN-Core板卡和服务器规格
PFN计划在每个机架（rack）上堆叠其4台服务器。他们的下一代超级计算机MN-3将基于MN-Core。
▲MN-3超算概念图
PFN目前没有出售这种芯片的计划。MN-Core芯片和他们的超级计算机将专门用于自己的研发。
PFN预计MN-3拥有约300个机架，可用于4800个MN-Core板。这相当于每秒2 EFLOPS的算力。在功耗方面，PFN估计该机器的功率为3.36 MW，对于这种性能而言这是非常低的。例如，拥有1.88 EFLOPS算力的IBM Summit超级计算机功率为13MW。MN-3计划于2020年投入运营。
目前Google和Amazon等超大规模用户（hyperscalers）为自己的云服务器开发了自定义神经处理器（custom neural processors）。类似的趋势正在行业中出现，诸如Preferred Networks之类的公司设计了自己的NPU。
他们的目的都是相同的——通过设计和研发自己芯片，以便拥有独特的，与众不同的技术优势。目前，只有少数几家AI硬件初创公司推出了AI推理芯片，而没有一家初创公司交付AI训练芯片。这种专业训练芯片的缺乏，给可以制造超越当前顶级训练GPU能效比的AI芯片的公司带来了独特的机遇。
随着越来越多的企业进入AI训练芯片领域，整个市场格局可能将会发生变化。
结语：AI芯片自研——掌握技术优势的核心
此次PFN推出的MN-Core AI训练芯片，无论在绝对算力还是能效比方面都处于全球领先行列，不过该公司准备将这项成果掌握在自己手中，用于后续研发，之后是否会商用还未表态。
提高芯片的算力和深度学习推理能力是当下的大趋势，MN-Core的推出丰富了当下相对匮乏的AI训练芯片市场，为大规模超算提供了一种新的解决方案。
无论是谷歌、华为、英伟达、英特尔，都将自研AI芯片作为重点发力方向之一，唯有掌握“核心”，才能掌握核心技术优势。AI芯片算力市场，亟待更多新力量加入。
原文来自：WikiChipFuse
在万物互联与智能化浪潮席卷全球的今天，新唐科技以颠覆性创新奏响行业强音。4月25日，这场历时10天、横跨七城的科技盛宴在深圳迎来高潮，以"创新驱动AI、新能源与车用科技"为主题，汇聚全球顶尖行业领袖，首次公开七大核心产品矩阵，展现从芯片设计到智能生态的全链条创新能力，为半导体产业转型升级注入新动能。
在2025年北美技术研讨会上，台积电正式宣布其A14（1.4nm）工艺将于2028年量产，并明确表示无需依赖ASML最新一代High NA EUV光刻机。这一决策背后，折射出全球半导体巨头在技术路线、成本控制和市场竞争中的深层博弈。
随着AIoT技术的快速落地，智能设备对高性能、低功耗嵌入式硬件的需求持续攀升。华北工控推出的EMB-3128嵌入式主板，搭载Intel® Alder Lake-N系列及Core™ i3-N305处理器，以高能效比设计、工业级可靠性及丰富的接口配置，成为轻量级边缘AI计算的理想选择。该主板支持DDR5内存、多模态扩展接口及宽温运行环境，可广泛应用于智能家居、工业自动化、智慧零售等场景，助力产业智能化升级。
作为全球半导体沉积设备领域的龙头企业，荷兰ASM国际（ASMI）近日发布2024年第一季度财报，展现强劲增长动能。财报显示，公司当季新增订单额达8.34亿欧元（按固定汇率计算），同比增长14%，显著超出市场预期的8.08亿欧元。这一表现主要受益于人工智能芯片制造设备需求激增与中国市场的战略性突破，同时反映出半导体产业技术迭代与地缘经济博弈的双重影响。
随着汽车智能化加速，车载摄像头、激光雷达、显示屏等传感器数量激增，数据传输带宽需求呈指数级增长。传统国际厂商基于私有协议（如TI的FPD-Link、ADI的GMSL）垄断车载SerDes市场，导致车企供应链弹性不足、成本高企。2025年4月，纳芯微电子发布基于HSMT公有协议的全链路国产化SerDes芯片组（NLS9116加串器与NLS9246解串器），通过协议解耦、性能优化与供应链自主可控，为ADAS、智能座舱等场景提供高性价比解决方案，标志着国产车规级芯片从“跟跑”迈向“并跑” 。
