数字内存计算芯片初创公司d-Matrix推出了新的3D堆叠内存技术(3DIMC),承诺相比当前行业标准HBM4,能够将AI模型运行速度提升10倍,并将能耗降低高达90%。
该公司成立于2019年,由CEO Sid Sheth和CTO Sudeep Bhoja创立,两人此前都是高速互连开发商Inphi Corp的高管,该公司于2020年被Marvell以100亿美元收购。d-Matrix的目标是开发内存计算芯片级技术,以比传统DRAM带宽更低的成本为AI推理提供比高带宽内存(HBM)更多的内存。
Sheth在LinkedIn上发布消息称:"我们相信AI推理的未来不仅取决于重新思考计算,更要重新思考内存本身。我们正在为新的内存-计算范式(3DIMC)铺平道路,这使我们的DIMC平台能够继续扩展并突破内存墙,而不会牺牲内存容量和带宽。通过三维堆叠内存并将其与计算更紧密地集成,我们大幅降低了延迟,提高了带宽,并释放了新的效率增益。"
d-Matrix技术使用LPDDR5内存,通过中介层将数字内存计算(DIMC)硬件连接到内存。DIMC引擎使用经过修改的SRAM单元,增加了执行乘法运算的晶体管,直接在内存阵列内执行计算。该技术采用芯片小片架构构建,针对Transformer模型中使用的矩阵-向量乘法运算进行了优化。Apollo计算核心包含8个DIMC单元,可并行执行64×64矩阵乘法,支持多种数值格式(如INT8、INT4和块浮点)。
Bhoja在博客文章中写道:"我们正在将最先进的3D堆叠数字内存计算实现——3DIMC引入我们的路线图。我们首个支持3DIMC的硅芯片d-Matrix Pavehawk经过2年多的开发,现已在我们的实验室中投入运行。"
"我们预计3DIMC将使AI推理工作负载的内存带宽和容量提升几个数量级,确保随着新模型和应用的出现,服务提供商和企业能够高效、经济地大规模运行它们。"
"我们的下一代架构Raptor将把3DIMC集成到其设计中——从我们和客户在Pavehawk上的测试中学到的经验中受益。通过垂直堆叠内存并与计算芯片小片紧密集成,Raptor有望突破内存墙,释放全新水平的性能和总体拥有成本。"
"我们的目标是在运行AI推理工作负载时,使用3DIMC相比HBM4实现10倍更好的内存带宽和10倍更好的能效。这些不是渐进式改进——而是重新定义大规模推理可能性的阶跃函数式改进。"
附注:d-Matrix已完成两轮融资。2022年A轮融资筹集了4400万美元,2023年B轮融资筹集了1.1亿美元,总计1.54亿美元。该公司与服务器可组合性供应商GigaIO建立了合作伙伴关系。
Q&A
Q1:d-Matrix的3DIMC技术是什么?有什么优势?
A:3DIMC是d-Matrix开发的3D堆叠数字内存计算技术。该技术通过三维堆叠内存并与计算紧密集成,相比当前行业标准HBM4,能够将AI模型运行速度提升10倍,将能耗降低高达90%,同时大幅降低延迟并提高带宽。
Q2:d-Matrix的DIMC引擎是如何工作的?
A:DIMC引擎使用经过修改的SRAM单元,增加了执行乘法运算的晶体管,能够直接在内存阵列内执行计算。Apollo计算核心包含8个DIMC单元,可并行执行64×64矩阵乘法,支持INT8、INT4和块浮点等多种数值格式,专门针对Transformer模型优化。
Q3:d-Matrix公司的发展现状如何?
A:d-Matrix成立于2019年,已完成两轮融资共1.54亿美元。首个3DIMC芯片Pavehawk已在实验室投入运行,下一代架构Raptor正在开发中。公司与服务器供应商GigaIO建立了合作伙伴关系,目标是为AI推理提供更高效的内存解决方案。
好文章,需要你的鼓励
Meta宣布为Facebook Dating推出AI聊天机器人助手,帮助用户找到更匹配的对象。该AI可根据用户需求推荐特定类型的匹配者,并协助优化个人资料。同时推出Meet Cute功能,每周提供算法选择的"惊喜匹配"。尽管18-29岁用户匹配数同比增长10%,但相比Tinder的5000万日活用户仍有差距。AI功能已成为约会应用标配,Match Group等竞争对手也在大力投资AI技术。
字节跳动团队提出RewardDance框架,首次系统性解决视觉生成中的奖励模型扩展问题。该框架通过将奖励预测转为生成式任务,并将模型规模扩展至260亿参数,同时集成任务指令、参考样例和推理能力,有效解决了"奖励作弊"问题。实验显示,在文本生成图像任务中质量提升10.7分,视频生成性能改善49%,达到行业领先水平,为AI视觉创作提供了更强大可靠的技术基础。
Neo4j认为已找到让生成式AI访问图数据库记录的方法。图数据库专注于数据点之间的关系建模和查询,在欺诈检测、推荐引擎等场景中表现出色。2024年4月,ISO批准了图查询语言GQL标准,Neo4j的Cypher查询语言完全符合该标准。现代工具提供拖拽式工作流程,GenAI可作为自然语言接口,将用户请求转换为Cypher查询。
ByteDance团队开发的Mini-o3系统通过深度多轮推理突破了传统AI视觉理解的局限。该系统能像人类侦探般进行几十轮的视觉探索,在困难的视觉搜索任务上准确率达48%,相比现有模型提升显著。核心创新包括挑战性的Visual Probe数据集、多样化推理策略训练和突破性的过轮掩码技术,实现了测试时思考轮数的自然扩展。