至顶网软件与服务频道消息: 10月9日,一直以硬件为中心的半导体领军者赛灵思隆重发布了历经五年,投入总计 1000 个人工年而打造的Vitis 统一软件平台,此平台无需用户深入掌握硬件专业知识,即可根据软件或算法代码自动适配和使用赛灵思硬件架构。
Vitis 平台不限制使用专有开发环境,可以插入到通用的软件开发工具中,并利用丰富的优化过的开源库,使开发者能够专注于算法的开发。Vitis 独立于 Vivado™ 设计套件,后者仍然继续为希望使用硬件代码进行编程的用户提供支持。但是,Vitis 也能够通过将硬件模块封装成软件可调用的函数,从而提高硬件开发者的工作效率。
10月9日发布会上,赛灵思大中华区销售副总裁唐晓蕾(Maria)从器件到平台转型战略和产业发展趋势介绍了 Vitis “应运而生”的现实意义:
赛灵思大中华区销售副总裁唐晓蕾(Maria)
目前,大家碰到的一个问题是创新的速度远远超过整个芯片的设计速度。现代技术如机器学习之类的创新速度,已经远远超越了芯片设计的周期。这意味着,如果您要设计和制造针对GoogLeNet优化的ASIC或GPU,那么当收到工厂发回的芯片时,最先进的技术已经发生了变化。这些问题基本上需要通过可编程或者是自适应的技术来进行解决。因此,赛灵思提供了面向架构的灵活应变能力,可自由让客户可定制的,基于赛灵思架构的软硬件一体化统一平台——Vitis 。
随后,赛灵思软件和人工智能高级经理罗霖,就Vitis的技术细节、功能、资源及发展路线向我们详细进行了介绍。
赛灵思软件和人工智能高级经理罗霖
VITIS 堆栈
Vitis 平台构建在基于堆栈的架构之上,该架构可以无缝插入到开源的标准开发系统与构建环境,而且最重要的是,它包含一套丰富的标准库。
Vitis 堆栈
基础层是 Vitis 目标平台。该平台由电路板和预编程 I/O构成。第二层称为 Vitis 核心开发套件,覆盖开源赛灵思运行时库,以管理不同域间的数据移动,包括子系统、即将发布的 Versal ACAP™ 内的 AI 引擎和必要的外部主机。此外,该层也提供编译器、分析器和调试器等核心开发工具。虽然赛灵思提供的是世界一流的设计环境,但是这些工具设计的目的是能与业界标准的构建系统与开发环境无缝集成。
在第三层,8个Vitis 库提供 400 余种优化的开源应用。这8个库分别是:Vitis 基本线性代数子程序(BLAS)库、Vitis 求解器库、Vitis 安全库、Vitis 视觉库、Vitis 数据压缩库、Vitis 计量金融库、Vitis 数据库集和 Vitis AI 库。借助这些库,软件开发者可以使用标准的应用编程接口(API)来实现硬件加速。
VITIS AI 和特定领域架构
Vitis 平台的第 4 层,也是最具有变革意义的一层是 Vitis AI。它集成了特定领域架构(DSA)。DSA 提供了针对AI模型的硬件实现,开发者可以使用包括 TensorFlow 和 Caffe 等业界领先框架对其进行配置与编程。Vitis AI 提供的工具链能在数分钟内完成优化、量化和编译操作,在赛灵思器件上高效地运行预先训练好的AI模型。此外,它也为从边缘到云端的部署提供了专用 API,实现业界一流的推断性能与效率。赛灵思很快还将推出另一个 DSA(Vitis Video),支持从 FFmpeg 直接进行编码并提供同样超级简单且功能极强大的端到端视频解决方案。由合作伙伴公司提供的 DSA 包括:与 GATK 集成用于基因分析的Illumina,与ElasticSearch 集成用于大数据分析的BlackLynx,以及当前我们客户正在使用的专有DSA。
VITIS 开发者网站
赛灵思还宣布推出了一个开发者网站,方便开发者获取示例、教程和文档,同时作为连接Vitis开发者社区的空间。它将由赛灵思和Vitis专家及爱好者共同管理,并将提供Vitis有关的最新更新、提示和技巧的宝贵信息。
最后,借用赛灵思总裁兼首席执行官(CEO) Victor Peng 的话来做总结:“随着计算需求呈指数级增长,工程师与科学家常常受到固定芯片性能的局限。赛灵思打造了一个卓越的设计环境,使各学科领域的编程人员与工程师能够使用他们已熟知并掌握的工具和框架,共同开发与优化他们的软硬件。这意味着他们可以根据自己的应用调整硬件架构,而不需要新型芯片。”
由此可知,赛灵思推出统一软件平台,并不是不再专注于硬件芯片的研发。正相反,是希望通过打造卓越的设计环境,让更多的编程人员可以更好的去使用赛灵思芯片,更好的满足自身业务应用需求。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。