美国处理器公司Mythic发布M1076模拟矩阵处理器，功耗量降低10倍

近日，美国神话（Mythic）公司推出 M1076 模拟矩阵处理器，这款模拟 AI（人工智能）处理器的耗电量是传统模拟处理器的十分之一。

近日，美国神话（Mythic）公司推出 M1076 模拟矩阵处理器，这款模拟 AI（人工智能）处理器的耗电量是传统模拟处理器的十分之一。

该公司表示，M1076 模拟矩阵处理器可以从服务器的边缘向应用程序扩展，旨在为智能城市、工业应用、企业应用和消费设备等多个垂直领域提供解决方案。

图｜Mythic（来源：Mythic 公司官网）

据悉，Mythic 公司创建于 2012 年，迈克・亨利（Mike Henry）和戴夫・菲克（Dave Fick）为公司的核心创始人，他们分别担任 Mythic 公司的董事长和首席运营官（CTO），其中迈克・亨利拥有良好的教育背景，他的本科、硕士和博士学位均在弗吉尼亚理工大学获得。

2012 年，迈克・亨利的合伙人戴夫・菲克，恰好在密歇根大学担任计算机体系结构的研究助理，于是他们很快创立了属于自己的公司，目前 Mythic 公司在加利福尼亚州红木市和德克萨斯州奥斯汀市共拥有 125 名员工，专注于为横跨亚太地区、欧洲和美国的客户群提供技术解决方案。

该公司早在九年前就开始计划制造出一款可申请专利且具有技术革命性的处理器，Mythic 公司首席执行官迈克・亨利在接受媒体采访时表示，该公司非常重视具备能源效率和成本更低的模拟技术，他们想出了如何在模拟电路中使用较小的非数字电路电流，来降低能量的消耗。

迈克・亨利还表示：我们有极大的信心找到一种与 GPU（graphics processing unit，图形处理器）具有相同计算运力，但成本和功率要低很多的处理器。”

美国芯片领域几乎所有的从业人员认为，这不可能实现，但是迈克・亨利依然认为他们公司的这一设想对推动芯片行业的发展具有里程碑式的意义。为了尽快推出 M1076 模拟矩阵处理器，Mythic 公司此前已筹集到 7000 万美元。

M1076 耗电量是传统处理器的 1/10

在人工智能计算中，芯片通常要每秒要计算数以万亿次的运算，Mythic 公司尝试在模拟电路中使用较小的电流来构建模拟电路，在芯片尺寸、成本和功耗方面，达到比 GPU 或其他处理方法更高效的效果。

M1076 模拟 AI 矩阵处理器包含 M1076 Analog Matrix processor、ME1076 M.2 A/E Key Card、MM1076 M.2M Key Card、MNS1076 AMP（Amplifier，放大器）Evaluation System 四款型号。

图｜M1076 AI 模拟处理器（来源：venturebeat）

M1076 模拟 AI 矩阵处理器可以提供低功耗 AI 处理。Mythic 公司使用模拟电路而不是数字来创建处理器，以便于将内存集成到处理器中，耗电量比传统模拟处理器低 10 倍。

M1076 模拟 AI 矩阵处理器主要有以下优势

3 瓦脉冲支持高达 25 万亿次／秒的人工智能计算：M1076 AMP 评估系统的亮点是可以在功率为 3 瓦的脉冲中，支持高达 25 万亿次／秒的人工智能计算。

M1076 AMP 能以 1／10 的耗能量，将 GPU 的计算资源集中在一个芯片中，让用户设备可以更高的分辨率、更快的帧速率运行一个或多个复杂的应用程序，并能获得更好的推算结果。据悉，M1076 AMP 评估系统可满足人工智能应用程序方面诸多需求。

小设备大能量，于小型边缘设备中灵活缩放：M1076 AMP 的设计思路是，给小型边缘设备提供强大的计算，并轻松进行缩放，以便在数据中心中提供服务器级计算。M1076 AMP 可以使用单个放大器处理单个线流，或者轻松提高系统性能，在面板上使用多个 AMP 处理器 ，可以处理多个线流，提供超高清分辨率以及多个神经网络应用程序。

为跨领域提供高效且经济的解决方案：M1076 模拟 AI 矩阵处理器高效的数据流架构、强大的模型优化套件和高效的图形编译器，为人工智能应用程序的确定性执行提供了保障。

M1076 AMP 可以应用在多个领域，譬如工业机器视觉、自主无人机、监控摄像头和网络录像机应用的对象检测等。M1076 AMP 还可应用在低延时人体姿势捕捉的 AR／VR（Augmented Reality／Virtual Reality，增强现实／虚拟现实技术）中，对智能健身、可协助人工智能的推动有很大帮助。

该公司的产品兼业务发展副总裁蒂姆・维林（Tim Vehling）表示，Mythic 公司的产品开发人员把强大的人工智能程序集成到受尺寸、功率和热管理挑战限制的边缘设备中。AI 系统开发人员也确信，当他们为目标精度、帧速率、延迟或电源配置文件设计产品、部署产品时，处理器的性能目标将得到保证。