Υπολογισμός στη μνήμη και chiplets: ρομπότ πέρα από τον νόμο Moore

TL;DR. Ο CEO της Mythic AI Taner Ozcelik έδειξε στη σύνοδο του Economist στο Λονδίνο πώς ο υπολογισμός στη μνήμη και τα chiplets γκρεμίζουν το τείχος μνήμης von Neumann.

Βασικά συμπεράσματα

Το θερμοδυναμικό τείχος: γιατί η φυσική ΤΝ δεν μπορεί να ζει στο cloud. Στη συζήτηση με τίτλο Moving past Moore’s law: the power behind high-performance robotics (Πέρα από τον νόμο του Moore: η ισχύς πίσω από τη ρομποτική υψηλών επιδόσεων), ο Kenneth Cukier περιέγραψε το κεντρικό…
Η αρχιτεκτονική θέση: υπολογισμός στη μνήμη (CIM). Για να λύσει το θερμοδυναμικό σημείο συμφόρησης, η Mythic AI προωθεί μια αρχιτεκτονική φιλοσοφία: αντί να μεταφέρονται δεδομένα ανάμεσα σε χωριστές μονάδες επεξεργασίας και δεξαμενές μνήμης, η ίδια η μνήμη πρέπει να…
Η αρθρωτή στρατηγική chiplets. Ενώ ο αναλογικός υπολογισμός στη μνήμη λύνει τις εξισώσεις ενέργειας και καθυστέρησης, η κλιμάκωση του πυριτίου σε διαφορετικούς εμπορικούς τομείς απαιτεί ευελιξία στη συσκευασία.
Σύγκριση αρχιτεκτονικών: υπολογιστικά παραδείγματα για τη ρομποτική παρυφής. Πηγή: σύνθεση δεδομένων της συζήτησης και προδιαγραφών αρχιτεκτονικής ημιαγωγών που παρουσιάστηκαν στο Economist Enterprise Physical AI and Robotics Summit (Convene 200 Aldersgate, Λονδίνο, 13 Οκτωβρίου 2026).

Για περισσότερο από μισό αιώνα, η πρόοδος της υπολογιστικής υπάκουε στον νόμο του Moore: διπλάσια τρανζίστορ στο πυρίτιο κάθε δεκαοκτώ έως είκοσι τέσσερις μήνες. Όμως στον αναδυόμενο χώρο της φυσικής ΤΝ και της αυτόνομης ρομποτικής, ο νόμος του Moore συγκρούστηκε με τους νόμους της θερμοδυναμικής. Αυτόνομα drones, τετράποδα ρομπότ, χειρουργικοί χειριστές και αυτοοδηγούμενα οχήματα δεν μπορούν να κουβαλούν GPU κατηγορίας διακομιστή των 700 watt ή πύργους ψύξης. Στο Economist Enterprise Physical AI and Robotics Summit στο Λονδίνο, στις 13 Οκτωβρίου 2026, ο Taner Ozcelik, πρόεδρος και CEO της Mythic AI, συνομίλησε με τον Kenneth Cukier για την αρχιτεκτονική επανάσταση που απαιτείται για να σπάσει αυτό το αδιέξοδο: την υπέρβαση του νόμου του Moore μέσω του αναλογικού υπολογισμού στη μνήμη (compute-in-memory, CIM) και των αρθρωτών chiplets.

Το θερμοδυναμικό τείχος: γιατί η φυσική ΤΝ δεν μπορεί να ζει στο cloud #

Στη συζήτηση με τίτλο Moving past Moore’s law: the power behind high-performance robotics (Πέρα από τον νόμο του Moore: η ισχύς πίσω από τη ρομποτική υψηλών επιδόσεων), ο Kenneth Cukier περιέγραψε το κεντρικό μηχανικό δίλημμα της επιχειρησιακής αυτονομίας: τα μοντέλα τεχνητής νοημοσύνης μεγαλώνουν σε αριθμό παραμέτρων και σε αντιληπτική ικανότητα, αλλά οι φυσικές μηχανές λειτουργούν υπό αμείλικτους περιορισμούς SWaP-C (μέγεθος, βάρος, ισχύς και κόστος).

Η σημερινή αιχμή της ΤΝ στηρίζεται σε κέντρα δεδομένων υπερκλίμακας που απορροφούν 150 megawatt ή και περισσότερα σε τεράστιες συστάδες διακομιστών. Όπως επεσήμανε ο Ozcelik, αυτή η αρχιτεκτονική λειτουργεί σε ενεργειακές κλίμακες εκατομμύρια φορές μακριά από τα βιολογικά σημεία αναφοράς. Ο ανθρώπινος εγκέφαλος εκτελεί σε πραγματικό χρόνο συνεχή αισθητικοκινητικό συντονισμό, σημασιολογική συλλογιστική και οπτικοχωρική πλοήγηση μέσα σε έναν μεταβολικό ενεργειακό προϋπολογισμό περίπου 20 watt.

Ιστορικά, οι μηχανικοί ρομποτικής προσπάθησαν να παρακάμψουν τα όρια της ενσωματωμένης υπολογιστικής ισχύος μεταφέροντας την εξαγωγή συμπερασμάτων στο cloud. Ωστόσο, σε κρίσιμα βιομηχανικά, αεροδιαστημικά και αμυντικά περιβάλλοντα, η αυτονομία που εξαρτάται από το cloud είναι αρχιτεκτονικά αδύνατη:

Διακύμανση καθυστέρησης και jitter: Ο γρήγορος έλεγχος ρομπότ σε κλειστό βρόχο απαιτεί ντετερμινιστικές ενημερώσεις κινητήρων από 50 Hz έως 1.000 Hz (πλήρης διαδρομή κάτω από 20 χιλιοστά του δευτερολέπτου). Τα κινητά δίκτυα και το Wi-Fi εισάγουν jitter πακέτων, χαμένα καρέ και αιχμές καθυστέρησης που κάνουν τους ρομποτικούς βραχίονες να ρίχνουν τα τεμάχια εργασίας και τα αυτόνομα οχήματα να αστοχούν στα όρια πέδησης.
Κορεσμός εύρους ζώνης: Η ροή πολλών ασυμπίεστων βίντεο 4K και νεφών σημείων LiDAR από δεκάδες κινητά ρομπότ σε μια βιομηχανική μονάδα εξαντλεί γρήγορα το τοπικό ραδιοφωνικό εύρος ζώνης και επιφέρει υπέρογκα τέλη εξόδου δεδομένων από το cloud.
Επιχειρησιακή κυριαρχία και αμφισβητούμενη συνδεσιμότητα: Σε υπόγεια ορυχεία, σήραγγες χωρίς GPS, απομακρυσμένα εργοτάξια ή τακτικά στρατιωτικά περιβάλλοντα, οι εξωτερικές ζεύξεις δικτύου είτε δεν υπάρχουν είτε παρεμβάλλονται ενεργά. Τα αυτόνομα συστήματα πρέπει να φέρουν ολόκληρη την επιχειρησιακή νοημοσύνη απευθείας πάνω στο σασί τους στην παρυφή.

Ο εξοπλισμός των ρομπότ με τυπικές GPU υψηλών επιδόσεων έχει τις δικές του φυσικές ποινές: θερμικό στραγγαλισμό, ογκώδεις ψύκτρες που προσθέτουν παρασιτική μάζα στο ωφέλιμο φορτίο και υψηλή κατανάλωση ρεύματος που μειώνει τον χρόνο πτήσης με μπαταρία από ώρες σε λεπτά.

Η αρχιτεκτονική θέση: υπολογισμός στη μνήμη (CIM) #

Για να λύσει το θερμοδυναμικό σημείο συμφόρησης, η Mythic AI προωθεί μια αρχιτεκτονική φιλοσοφία: αντί να μεταφέρονται δεδομένα ανάμεσα σε χωριστές μονάδες επεξεργασίας και δεξαμενές μνήμης, η ίδια η μνήμη πρέπει να γίνει ο υπολογιστής.

Παρουσίαση αρχιτεκτονικής μιας πλατφόρμας υπολογισμού ΤΝ στη μνήμη νέας γενιάς, με υπολογιστικές συστοιχίες ενός τρανζίστορ ανά κελί, αρθρωτή στρατηγική chiplets, πολλαπλασιαστές απόδοσης και εμπορικές εφαρμογές-άγκυρες .class="img-fluid clearfix"

Η φυσική του πολλαπλασιασμού πινάκων με ένα τρανζίστορ #

Στην κλασική ψηφιακή υπολογιστική, ο υπολογισμός ενός εσωτερικού γινομένου πινάκων απαιτεί την ανάκτηση χιλιάδων τιμών βαρών 8 ή 16 bit από εξωτερική DRAM μέσω γραμμών διαύλου υψηλής χωρητικότητας, τη φόρτωσή τους σε καταχωρητές κρυφής μνήμης, την εκτέλεση του πολλαπλασιασμού σε ψηφιακές ALU και την εγγραφή των αποτελεσμάτων πίσω στη μνήμη. Πάνω από το 90% της ενέργειας δαπανάται στη φόρτιση και εκφόρτιση των χάλκινων γραμμών διασύνδεσης ανάμεσα στα τσιπ.

Οι αρχιτεκτονικές υπολογισμού στη μνήμη αντικαθιστούν αυτή την ψηφιακή μεταφορά δεδομένων με τη φυσική των αναλογικών κυκλωμάτων:

Προγραμματισμός βαρών. Τα βάρη του νευρωνικού δικτύου προγραμματίζονται απευθείας σε κελιά μη πτητικής μνήμης (όπως τροποποιημένη flash ή ωμική RAM) ως αναλογικές αγωγιμότητες ($G$). Μόλις προγραμματιστούν, τα βάρη μένουν ακίνητα μέσα στη συστοιχία μνήμης· δεν ανακτώνται ούτε μεταφέρονται ποτέ κατά την εξαγωγή συμπερασμάτων.

Διαμόρφωση τάσης εισόδου. Οι ενεργοποιήσεις εισόδου (όπως τα οπτικά tokens από κάμερες) μετατρέπονται σε αναλογικά επίπεδα τάσης ($V$) και οδηγούνται κατά μήκος των γραμμών λέξεων της συστοιχίας.

Πολλαπλασιασμός με τον νόμο του Ohm. Καθώς η τάση εισόδου διαπερνά κάθε κελί μνήμης, ο νόμος του Ohm ($I = V \times G$) εκτελεί ακαριαίο αναλογικό πολλαπλασιασμό και παράγει ηλεκτρικό ρεύμα ανάλογο του γινομένου της εισόδου και του αποθηκευμένου βάρους.

Συσσώρευση με τον νόμο ρευμάτων του Kirchhoff. Κατά μήκος των κάθετων γραμμών bit, τα ρεύματα από χιλιάδες παράλληλα κελιά μνήμης αθροίζονται φυσικά σύμφωνα με τον νόμο ρευμάτων του Kirchhoff ($\sum I = 0$).

Μία μόνο συστοιχία μνήμης flash εκτελεί έτσι έναν ολόκληρο πολλαπλασιασμό πίνακα με διάνυσμα σε έναν μόνο κύκλο ρολογιού, στο επίπεδο της φυσικής και χωρίς ούτε μία ανάκτηση από τη μνήμη. Το συσσωρευμένο αναλογικό ρεύμα μετατρέπεται στη συνέχεια ξανά σε ψηφιακές τιμές από μετατροπείς αναλογικού σε ψηφιακό (ADC) υψηλής ταχύτητας στην άκρη της συστοιχίας.

Η αρθρωτή στρατηγική chiplets #

Ενώ ο αναλογικός υπολογισμός στη μνήμη λύνει τις εξισώσεις ενέργειας και καθυστέρησης, η κλιμάκωση του πυριτίου σε διαφορετικούς εμπορικούς τομείς απαιτεί ευελιξία στη συσκευασία. Αντί να κατασκευάζονται μεγάλα, μονολιθικά συστήματα σε τσιπ (SoC), που υποφέρουν από εκθετικά αυξανόμενα ποσοστά ελαττωμάτων, χαμηλή απόδοση ανά δίσκο πυριτίου και ανελαστικές διαμορφώσεις προϊόντων, ο Ozcelik περιέγραψε μια αρθρωτή στρατηγική chiplets.

Σε αυτό το πρότυπο, μικρά, τυποποιημένα πλακίδια υπολογισμού στη μνήμη κατασκευάζονται ανεξάρτητα και συνδέονται πάνω σε interposers με προηγμένη συσκευασία:

Τυποποιημένες διασυνδέσεις υψηλής ταχύτητας ανάμεσα στα κομμάτια πυριτίου: Αξιοποιώντας αναδυόμενα πρότυπα όπως το Universal Chiplet Interconnect Express (UCIe), τα chiplets επικοινωνούν μέσω μικροεπαφών με υψηλή πυκνότητα εύρους ζώνης και καθυστερήσεις της τάξης των picosecond.
Ετερογενής σύνθεση: Ένας σχεδιαστής συστημάτων μπορεί να συνδυάσει δύο chiplets υπολογισμού στη μνήμη με έναν φθηνό επεξεργαστή ελέγχου ARM για το ωφέλιμο φορτίο ενός ελαφριού drone, ή να συναρμολογήσει δεκαέξι chiplets μαζί με διεπαφές PCIe υψηλής ταχύτητας για να δημιουργήσει μια κάρτα επιτάχυνσης διακομιστή για κέντρα δεδομένων παρυφής.
Καθολική μεταγλώττιση και κατανομή φορτίων: Ένα ενιαίο επίπεδο μεταγλωττιστή δέχεται τυπικούς γράφους βαθιάς μάθησης (ONNX, PyTorch) και κατανέμει αυτόματα τα επίπεδα του μοντέλου στη διαθέσιμη τοπολογία chiplets, βελτιστοποιώντας τη δρομολόγηση των δεδομένων ώστε να ελαχιστοποιείται η επικοινωνία ανάμεσα στα chiplets.

Σύγκριση αρχιτεκτονικών: υπολογιστικά παραδείγματα για τη ρομποτική παρυφής #

Αρχιτεκτονικό κριτήριο	Τυπική ψηφιακή GPU (NVIDIA Jetson / Orin)	Αποκλειστική NPU παρυφής (Google Coral / Hailo)	Αναλογικό chiplet υπολογισμού στη μνήμη (Mythic AI)
Βασικός μηχανισμός	Ψηφιακοί πυρήνες SIMD/tensor που ανακτούν βάρη από LPDDR5/HBM	Ψηφιακές συστολικές συστοιχίες με κρυφή μνήμη βαρών σε SRAM πάνω στο τσιπ	Αναλογικές συστοιχίες ενός τρανζίστορ ανά κελί που πολλαπλασιάζουν πίνακες επιτόπου
Επιβάρυνση μετακίνησης δεδομένων	Υψηλή (συνεχής φόρτιση διαύλου DRAM/SRAM· πάνω από 85% σπατάλη ενέργειας)	Μέτρια (περιορίζεται από τη χωρητικότητα της εσωτερικής κρυφής μνήμης SRAM)	Καμία εσωτερική μετακίνηση δεδομένων· τα βάρη μένουν μόνιμα στη μνήμη
Ενεργειακός προϋπολογισμός εξαγωγής συμπερασμάτων	30 W έως 75 W+ (απαιτεί ενεργή ψύξη με ανεμιστήρα και βαριές ψύκτρες)	5 W έως 15 W (παθητική ή ελάχιστη ψύξη)	10 W έως 20 W (εξαιρετικά συμπαγής παθητική απαγωγή θερμότητας)
Ενεργειακή απόδοση (TOPS/W)	2 έως 5 TOPS/W (σε επίπεδο συστήματος)	10 έως 25 TOPS/W	50 έως 200+ TOPS/W (θεωρητική απόδοση 10x-1.000x)
Κόστος υλικών συσκευής (BOM)	£500 έως £2.500+ ανά υπολογιστική μονάδα	£100 έως £350 ανά πλακέτα επιταχυντή	Μερικές δεκάδες δολάρια ανά chiplet σε όγκο
Στενωπός μνήμης (von Neumann)	Σοβαρή· περιορίζεται από το εύρος ζώνης της μνήμης (GB/s έως TB/s)	Μέτρια· περιορίζεται από τη χωρητικότητα SRAM πάνω στο τσιπ (MB)	Ανύπαρκτη· το εύρος ζώνης της συστοιχίας αντιστοιχεί στον εσωτερικό πίνακα μνήμης
Τομέας-στόχος εφαρμογής	Αυτόνομα οχήματα υψηλής κατηγορίας και ρομπότ βιομηχανικής επιθεώρησης	Έξυπνες κάμερες και ελαφριές ενσωματωμένες συσκευές IoT	Απτική ρομποτική υψηλής συχνότητας, τακτικά drones και ΤΝ στην αυτοκίνηση

Πηγή: σύνθεση δεδομένων της συζήτησης και προδιαγραφών αρχιτεκτονικής ημιαγωγών που παρουσιάστηκαν στο Economist Enterprise Physical AI and Robotics Summit (Convene 200 Aldersgate, Λονδίνο, 13 Οκτωβρίου 2026).

Τι σημαίνει αυτό ανά τομέα #

Η εμπορική επικύρωση του υπολογισμού στη μνήμη εξαρτάται από τη διείσδυση σε κλάδους όπου οι περιορισμοί ισχύος και κόστους εμπόδιζαν ιστορικά την ανάπτυξη προηγμένων θεμελιωδών μοντέλων.

Τακτική άμυνα και μη επανδρωμένα συστήματα #

Στις αμυντικές εφαρμογές παρυφής, η ενεργειακή απόδοση μεταφράζεται απευθείας σε επιχειρησιακή επιβιωσιμότητα και διάρκεια αποστολής. Τα μικρά μη επανδρωμένα εναέρια συστήματα (sUAS) και τα τακτικά οχήματα εδάφους περιορίζονται σοβαρά από το βάρος των μπαταριών. Αν ένα drone αναγνώρισης εξοπλιστεί με συμβατική GPU, ο χρόνος παραμονής του στον αέρα μειώνεται κατά 30% έως 50% μόνο για να τροφοδοτηθεί το επίπεδο αντίληψης ΤΝ.

Η στρατηγική συνεργασία της Mythic AI με τη Lockheed Martin εστιάζει στην ενσωμάτωση του υπολογισμού στη μνήμη σε τακτικά συστήματα παρυφής, σε σμήνη αυτόνομων drones και σε απομακρυσμένα φυλάκια επιτήρησης. Μειώνοντας την κατανάλωση του υπολογισμού από 50 W σε λιγότερο από 10 W, τα τακτικά drones πετυχαίνουν μεγαλύτερους χρόνους πτήσης, ενώ εκτελούν τοπικά πολυτροπική ταξινόμηση αντικειμένων, επεξεργασία σημάτων ηλεκτρονικού πολέμου και οπτικοαδρανειακή οδομετρία σε αμφισβητούμενα επιχειρησιακά θέατρα χωρίς GPS.

Επίγνωση κατάστασης οχημάτων και ΤΝ στην καμπίνα #

Στον κλάδο της αυτοκίνησης, οι προμηθευτές πρώτης βαθμίδας αντιμετωπίζουν έντονη πίεση στα περιθώρια κέρδους. Ενώ τα ηλεκτρικά οχήματα αιχμής μπορούν να απορροφήσουν το κόστος υγρόψυκτων υπολογιστών αυτόνομης οδήγησης των £2.000, τα οχήματα της μαζικής αγοράς δεν μπορούν.

Η συνεργασία της Honda Motor με τη Mythic AI απαντά ακριβώς σε αυτή την εμπορική τριβή. Οι κατασκευαστές αυτοκινήτων χρειάζονται τσιπ ΤΝ πιστοποιημένα για αυτοκίνηση, σε μεγάλους όγκους, που κοστίζουν μερικές δεκάδες δολάρια αντί για εκατοντάδες, ικανά να εκτελούν συστήματα παρακολούθησης οδηγού, τμηματοποίηση αντικειμένων στο τυφλό σημείο και αντίληψη του περιβάλλοντος 360 μοιρών χωρίς σύνθετα κυκλώματα υγρόψυξης που αυξάνουν το κόστος παραγωγής και την πολυπλοκότητα συναρμολόγησης.

Βιομηχανικά κέντρα δεδομένων παρυφής και κινητή εκτέλεση παραγγελιών #

Παρότι ο υπολογισμός στη μνήμη είναι αρχιτεκτονικά βελτιστοποιημένος για την παρυφή, η Mythic εφαρμόζει σκόπιμα μια στρατηγική γέφυρας, προσφέροντας κάρτες επιτάχυνσης PCIe για κέντρα δεδομένων παρυφής και κέντρα εκτέλεσης παραγγελιών σε αποθήκες. Σε εγκαταστάσεις με εκατοντάδες αυτόνομα κινητά ρομπότ (AMR), τα ικριώματα διακομιστών παρυφής που εκτελούν μοντέλα συντονισμού στόλου περιορίζονται από τις ηλεκτρικές παροχές και τα όρια ψύξης της εγκατάστασης. Οι κάρτες επιτάχυνσης υπολογισμού στη μνήμη επιτρέπουν στις εγκαταστάσεις να πολλαπλασιάσουν την τοπική διεκπεραιωτική ικανότητα εξαγωγής συμπερασμάτων χωρίς αναβάθμιση της ηλεκτρικής παροχής.

Ανθεκτικότητα της εφοδιαστικής αλυσίδας και γεωγραφία παραγωγής #

Κεντρικό σημείο της παρουσίασης του Ozcelik ήταν η κυριαρχία της εφοδιαστικής αλυσίδας. Η καινοτομία στο υλικό δεν έχει νόημα αν το πυρίτιο δεν μπορεί να κατασκευαστεί, να συσκευαστεί και να αποσταλεί αξιόπιστα σε κλίμακα.

Η Mythic AI έχει δημιουργήσει ένα κατανεμημένο διεθνές δίκτυο παραγωγής:

Κατασκευή πυριτίου: Η βασική παραγωγή δίσκων πυριτίου για υπολογισμό στη μνήμη είναι αγκυρωμένη στο Τόκιο της Ιαπωνίας, αξιοποιώντας την καθιερωμένη ηγετική θέση της Ιαπωνίας στην κατασκευή ημιαγωγών ακριβείας και τους ώριμους κόμβους διεργασίας για αναλογικές μνήμες και flash.
Προηγμένη συσκευασία και συναρμολόγηση: Οι δίσκοι πυριτίου στέλνονται στην Ευρώπη (συγκεκριμένα στη Γερμανία) για προηγμένη κοπή chiplets, συγκόλληση πολλαπλών κομματιών πυριτίου σε υπόστρωμα και αυτοματοποιημένη οπτική επιθεώρηση.
Επικύρωση αναθεωρήσεων: Η εταιρεία ολοκληρώνει την επικύρωση της πιο πρόσφατης αναθεώρησης πυριτίου, με έμφαση στη μετατροπή των εργαστηριακών δεικτών απόδοσης σε επαναλήψιμες περιγραφές εργασιών (SOW) επιπέδου παραγωγής για μαζική παραγωγή στην αυτοκίνηση και την άμυνα.

Αυτή η προσέγγιση σε πολλές περιοχές αποφεύγει τα μεμονωμένα σημεία γεωπολιτικής ευπάθειας και δίνει σε ευρωπαίους και ασιάτες εταιρικούς εταίρους γεωγραφικά διαφοροποιημένες εφοδιαστικές αλυσίδες.

Συμπέρασμα #

Ο διάλογος ανάμεσα στον Taner Ozcelik και τον Kenneth Cukier στο Economist Enterprise Physical AI and Robotics Summit σκιαγράφησε τη φυσική πραγματικότητα που θα διέπει την επόμενη δεκαετία των αυτόνομων συστημάτων. Ο νόμος του Moore, ως απλό μέτρο κλιμάκωσης των τρανζίστορ, δεν αρκεί πλέον για να τροφοδοτήσει την επανάσταση της φυσικής ΤΝ.

Όσο οι υπολογιστικές αρχιτεκτονικές προσκολλώνται στον διαχωρισμό λογικής και μνήμης του von Neumann, η ρομποτική θα παραμένει περιορισμένη από τη μάζα των μπαταριών, την απαγωγή θερμότητας και το απαγορευτικό κόστος υλικών. Περνώντας από την ψηφιακή μετακίνηση δεδομένων σε αναλογικές συστοιχίες υπολογισμού στη μνήμη και αρθρωτές τοπολογίες chiplets, η μηχανική ημιαγωγών προσφέρει το άλμα απόδοσης που χρειάζονται τα αυτόνομα συστήματα.

Η μετάβαση από συστάδες κέντρων δεδομένων των 700 W σε πυρίτιο παρυφής των 15 W αποτελεί την πραγματική πύλη προς τη φυσική αυτονομία. Σε τελική ανάλυση, τα ρομπότ που λειτουργούν στον πραγματικό κόσμο πρέπει να υπακούουν στους ενεργειακούς νόμους του πραγματικού κόσμου· ο υπολογισμός στη μνήμη είναι η αρχιτεκτονική που γεφυρώνει το χάσμα ανάμεσα στο πυρίτιο και τη βιολογία.

Συχνές ερωτήσεις #

Τι είναι η στενωπός von Neumann στο υλικό ΤΝ; Η στενωπός von Neumann αναφέρεται στον περιορισμό διεκπεραιωτικής ικανότητας και ενέργειας που προκαλεί ο φυσικός διαχωρισμός ανάμεσα στην κεντρική μονάδα επεξεργασίας (ALU) και τη μνήμη του συστήματος (DRAM). Στα φορτία τεχνητής νοημοσύνης, που περιλαμβάνουν δισεκατομμύρια πολλαπλασιασμούς πινάκων, οι επεξεργαστές ξοδεύουν πάνω από το 85% της συνολικής τους ενέργειας και σημαντικό αριθμό κύκλων ρολογιού απλώς για να μεταφέρουν δεδομένα πέρα δώθε σε χάλκινους διαύλους, δημιουργώντας σοβαρά θερμικά σημεία συμφόρησης και σημεία συμφόρησης καθυστέρησης.

Πώς λειτουργεί ο αναλογικός υπολογισμός στη μνήμη (CIM); Ο υπολογισμός στη μνήμη εκτελεί μαθηματικές πράξεις απευθείας μέσα στα κελιά μνήμης, χωρίς μετακίνηση δεδομένων. Τα βάρη του νευρωνικού δικτύου αποθηκεύονται ως αναλογικές καταστάσεις αγωγιμότητας σε κελιά μη πτητικής μνήμης. Όταν εφαρμόζονται τάσεις εισόδου στη συστοιχία, το ρεύμα διαρρέει τα κελιά σύμφωνα με τον νόμο του Ohm ($I = V \times G$) και αθροίζεται κατά μήκος των γραμμών bit σύμφωνα με τον νόμο ρευμάτων του Kirchhoff. Έτσι ένας πλήρης πολλαπλασιασμός πίνακα με διάνυσμα ολοκληρώνεται σε ένα μόνο φυσικό βήμα.

Γιατί ο υπολογισμός στη μνήμη είναι ιδιαίτερα κρίσιμος για ρομπότ και drones; Τα κινητά ρομπότ και τα drones λειτουργούν υπό αυστηρούς περιορισμούς SWaP-C (μέγεθος, βάρος, ισχύς και κόστος). Βασίζονται σε ενσωματωμένες μπαταρίες και δεν μπορούν να σηκώσουν βαριά ψυγεία ή τροφοδοτικά υψηλής ισχύος. Ο υπολογισμός στη μνήμη προσφέρει ενεργειακή απόδοση 10x έως 1.000x ανώτερη, επιτρέποντας στα ρομπότ να εκτελούν τοπικά σύνθετα μοντέλα όρασης-γλώσσας-δράσης μέσα σε ενεργειακό προϋπολογισμό 10 W έως 20 W, διατηρώντας την αντοχή της μπαταρίας.

Ποιο είναι το πλεονέκτημα των chiplets έναντι ενός μονολιθικού τσιπ; Τα μονολιθικά τσιπ ενσωματώνουν όλες τις λειτουργικές μονάδες σε ένα μόνο μεγάλο κομμάτι πυριτίου. Καθώς μεγαλώνει το μέγεθός του, τα ποσοστά ελαττωμάτων παραγωγής αυξάνονται εκθετικά, μειώνοντας την απόδοση παραγωγής και ανεβάζοντας το κόστος ανά μονάδα. Μια αρχιτεκτονική chiplets χωρίζει το σύστημα σε μικρότερα, τυποποιημένα κομμάτια πυριτίου που κατασκευάζονται ανεξάρτητα με υψηλή απόδοση και συνδέονται μέσω μικροεπαφών υψηλής ταχύτητας. Αυτό επιτρέπει αρθρωτές, ευέλικτες διαμορφώσεις προσαρμοσμένες σε συγκεκριμένες βιομηχανικές απαιτήσεις ισχύος και μορφής.

Ποιοι είναι οι κύριοι εμπορικοί εταίροι αυτής της τεχνολογίας; Η πλατφόρμα υπολογισμού στη μνήμη της Mythic AI στηρίζεται σήμερα σε δύο μεγάλες εταιρικές συνεργασίες: τη Lockheed Martin, η οποία ενσωματώνει την αρχιτεκτονική σε τακτικά αμυντικά drones, μη επανδρωμένες ρομποτικές πλατφόρμες και φυλάκια περιμετρικής ασφάλειας για να επεκτείνει την αντοχή της μπαταρίας, και τη Honda Motor, η οποία στοχεύει σε φθηνά τσιπ ΤΝ πιστοποιημένα για αυτοκίνηση, για επίγνωση κατάστασης των οχημάτων και ανίχνευση μέσα στην καμπίνα.

Βιβλιογραφία #

Economist Enterprise, (2026). Physical AI & Robotics Summit: επιχειρησιακό πλεονέκτημα μέσω αυτόνομων συστημάτων ⧉. Economist Enterprise.
Ozcelik, T., (2026). Πέρα από τον νόμο του Moore: η ισχύς πίσω από τη ρομποτική υψηλών επιδόσεων ⧉. Mythic AI.
Cukier, K., (2026). Τα θερμοδυναμικά όρια της αυτόνομης νοημοσύνης ⧉. The Economist.
Marković, D., Mizrahi, A., Querlioz, D. και Grollier, J., (2020). Φυσική για τη νευρομορφική υπολογιστική ⧉. Nature Reviews Physics, 2, 499-510.
Universal Chiplet Interconnect Express, (2025). Προδιαγραφή UCIe 2.0: πρότυπο διασύνδεσης ανάμεσα σε κομμάτια πυριτίου ⧉. UCIe Consortium.
IEEE, (2026). International Roadmap for Devices and Systems (IRDS): πέρα από το CMOS και ο υπολογισμός στη μνήμη ⧉. IEEE Standards Association.

Τελευταία αναθεώρηση 2026-10-13.

Τελευταία αναθεώρηση 2026-10-27.

Αναδημοσίευση αυτού του άρθρου

Υπολογισμός στη μνήμη και chiplets: ρομπότ πέρα από τον νόμο Moore — Sebastien Rousseau

Ο CEO της Mythic AI Taner Ozcelik έδειξε στη σύνοδο του Economist στο Λονδίνο πώς ο υπολογισμός στη μνήμη και τα chiplets γκρεμίζουν το τείχος μνήμης von Neumann.

Αυτό το άρθρο διατίθεται με άδεια Creative Commons Attribution 4.0 International. Η αναδημοσίευση απαιτεί αναφορά στην κανονική διεύθυνση URL.

Υπολογισμός στη μνήμη και chiplets: ρομπότ πέρα από τον νόμο Moore — Sebastien Rousseau

Ο CEO της Mythic AI Taner Ozcelik έδειξε στη σύνοδο του Economist στο Λονδίνο πώς ο υπολογισμός στη μνήμη και τα chiplets γκρεμίζουν το τείχος μνήμης von Neumann.

Originally published at https://sebastienrousseau.com/el/2026-10-13-ypologismos-sti-mnimi-chiplets-robot-pera/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU FOUNDER · ENGINEER