Melangkaui Hukum Moore: pengkomputeran dalam memori dan chiplet robot

TL;DR. Taner Ozcelik dari Mythic AI di sidang kemuncak Economist, London: cara pengkomputeran dalam memori dan chiplet meningkatkan kecekapan robot 10 hingga 1,000 kali.

Intipati utama

Dinding termodinamik: mengapa AI fizikal tidak boleh hidup di awan. Dalam sesi bual santai bertajuk Moving past Moore’s law: the power behind high-performance robotics (“Melangkaui Hukum Moore: kuasa di sebalik robotik berprestasi tinggi”), Kenneth Cukier merangka dilema kejuruteraan…
Tesis seni bina: pengkomputeran dalam memori (CIM). Untuk menyelesaikan kesesakan termodinamik, Mythic AI memajukan falsafah seni bina: daripada mengulang-alik data antara unit pemprosesan dan kolam memori yang berasingan, memori itu sendiri mesti menjadi komputer.
Strategi chiplet modular. Walaupun pengkomputeran analog dalam memori menyelesaikan persamaan tenaga dan kependaman, penskalaan silikon merentas pelbagai bidang komersial memerlukan fleksibiliti pembungkusan.
Perbandingan seni bina: paradigma pengkomputeran untuk robotik pinggir. Sumber: Sintesis data bual santai dan spesifikasi seni bina semikonduktor yang dibentangkan di Economist Enterprise Physical AI and Robotics Summit (Convene 200 Aldersgate, London, 13 Oktober 2026).

Selama lebih setengah abad, kemajuan pengkomputeran mematuhi Hukum Moore: memuatkan dua kali ganda bilangan transistor ke atas silikon setiap lapan belas hingga dua puluh empat bulan. Namun dalam bidang baharu AI fizikal dan robotik autonomi, Hukum Moore telah bertembung dengan hukum termodinamik. Dron autonomi, robot berkaki empat, manipulator pembedahan dan kenderaan pandu sendiri tidak mampu mengangkut GPU kelas pelayan 700 watt atau menara penyejuk. Di Economist Enterprise Physical AI and Robotics Summit di London pada 13 Oktober 2026, Taner Ozcelik, Pengerusi dan Ketua Pegawai Eksekutif Mythic AI, menyertai Kenneth Cukier dalam sesi bual santai untuk meneliti revolusi seni bina yang diperlukan bagi memecahkan kebuntuan ini: melangkaui Hukum Moore melalui pengkomputeran analog dalam memori (CIM) dan chiplet modular.

Dinding termodinamik: mengapa AI fizikal tidak boleh hidup di awan #

Dalam sesi bual santai bertajuk Moving past Moore’s law: the power behind high-performance robotics (“Melangkaui Hukum Moore: kuasa di sebalik robotik berprestasi tinggi”), Kenneth Cukier merangka dilema kejuruteraan teras yang dihadapi autonomi perusahaan: model kecerdasan buatan semakin besar dari segi saiz parameter dan keupayaan persepsi, tetapi mesin fizikal beroperasi di bawah kekangan SWaP-C (saiz, berat, kuasa dan kos) yang tidak berbelas kasihan.

Barisan hadapan AI hari ini berpaksikan pusat data hiperskala yang menarik 150 megawatt atau lebih merentas kelompok pelayan yang luas. Seperti yang dinyatakan Ozcelik, seni bina ini beroperasi pada skala tenaga yang berjuta-juta kali jauhnya daripada titik rujukan biologi. Otak manusia melaksanakan koordinasi sensorimotor berterusan secara masa nyata, penaakulan semantik dan navigasi visual-ruang dalam sampul kuasa metabolik kira-kira 20 watt.

Dari segi sejarah, jurutera robotik cuba memintas had pengkomputeran dalam robot dengan memindahkan inferens ke awan. Namun dalam persekitaran industri, aeroangkasa dan pertahanan yang kritikal kepada misi, autonomi yang bergantung pada awan adalah kemustahilan seni bina:

Variasi kependaman dan ketar (jitter): Kawalan robot gelung tertutup berkelajuan tinggi memerlukan kemas kini motor yang deterministik pada 50 Hz hingga 1,000 Hz (perjalanan pergi balik di bawah 20 milisaat). Rangkaian selular dan Wi-Fi membawa ketar paket, bingkai yang tercicir dan lonjakan kependaman yang menyebabkan lengan robot menjatuhkan bahan kerja atau kenderaan autonomi gagal mencapai ambang brek.
Ketepuan lebar jalur: Penstriman beberapa suapan video 4K tanpa mampatan dan awan titik LiDAR daripada berpuluh-puluh robot mudah alih di seluruh loji industri cepat menghabiskan lebar jalur RF tempatan dan mengakibatkan yuran keluaran awan yang melampau.
Kedaulatan operasi dan kesambungan yang dipertikaikan: Di lombong bawah tanah, terowong tanpa GPS, tapak pembinaan terpencil atau persekitaran ketenteraan taktikal, pautan rangkaian luaran sama ada tidak wujud atau sengaja diganggu. Sistem autonomi mesti membawa seluruh kecerdasan operasi terus pada casis pinggir.

Melengkapkan robot dengan GPU berprestasi tinggi standard membawa penalti fizikalnya sendiri: pendikitan haba, sink haba besar yang menambah jisim muatan parasit, dan penggunaan kuasa tinggi yang memendekkan masa penerbangan bateri daripada beberapa jam kepada beberapa minit.

Tesis seni bina: pengkomputeran dalam memori (CIM) #

Untuk menyelesaikan kesesakan termodinamik, Mythic AI memajukan falsafah seni bina: daripada mengulang-alik data antara unit pemprosesan dan kolam memori yang berasingan, memori itu sendiri mesti menjadi komputer.

Taklimat seni bina platform pengkomputeran AI dalam memori generasi baharu yang menunjukkan tatasusunan pengkomputeran satu transistor, strategi chiplet modular, pendarab kecekapan dan pelaksanaan komersial utama .class="img-fluid clearfix"

Fizik pendaraban matriks satu transistor #

Dalam pengkomputeran digital klasik, mengira hasil darab titik matriks memerlukan pengambilan beribu-ribu nilai pemberat 8 bit atau 16 bit daripada DRAM luaran melalui talian bas berkapasitans tinggi, memuatkannya ke dalam daftar cache, melakukan pendaraban di dalam ALU digital dan menulis semula hasilnya ke memori. Lebih 90% tenaga digunakan untuk mengecas dan menyahcas talian sambung tembaga antara cip.

Seni bina pengkomputeran dalam memori menggantikan pemindahan data digital ini dengan fizik litar analog:

Pengaturcaraan pemberat. Pemberat rangkaian neural diaturcarakan terus ke dalam sel memori tidak meruap (seperti memori kilat yang diubah suai atau RAM rintangan) sebagai konduktans analog ($G$). Setelah diaturcarakan, pemberat kekal pegun di dalam tatasusunan memori; pemberat tidak pernah diambil atau dipindahkan semasa inferens.

Modulasi voltan input. Pengaktifan input (seperti token visual daripada kamera) ditukar kepada aras voltan analog ($V$) dan dipacu sepanjang talian perkataan tatasusunan.

Pendaraban Hukum Ohm. Apabila voltan input melalui setiap sel memori, Hukum Ohm ($I = V \times G$) melakukan pendaraban analog serta-merta dan menjana arus elektrik yang berkadar dengan hasil darab input dan pemberat yang disimpan.

Pengumpulan Hukum Arus Kirchhoff. Di sepanjang talian bit menegak, arus daripada beribu-ribu sel memori selari bertambah secara semula jadi mengikut Hukum Arus Kirchhoff ($\sum I = 0$).

Oleh itu, satu tatasusunan memori kilat melaksanakan keseluruhan pendaraban matriks-vektor dalam satu kitaran jam, beroperasi pada tahap fizik tanpa sebarang pengambilan memori. Arus analog yang terkumpul kemudian ditukar semula kepada nilai digital oleh penukar analog-ke-digital (ADC) berkelajuan tinggi di pinggir tatasusunan.

Strategi chiplet modular #

Walaupun pengkomputeran analog dalam memori menyelesaikan persamaan tenaga dan kependaman, penskalaan silikon merentas pelbagai bidang komersial memerlukan fleksibiliti pembungkusan. Daripada mengeluarkan sistem atas cip (SoC) monolitik yang besar, yang mengalami kadar kecacatan eksponen, hasil wafer yang lemah dan konfigurasi produk yang tidak fleksibel, Ozcelik menggariskan strategi chiplet modular.

Di bawah paradigma ini, jubin pengkomputeran dalam memori yang kecil dan dipiawaikan dibuat secara berasingan dan diikat pada interposer menggunakan pembungkusan termaju:

Sambungan die-ke-die berkelajuan tinggi yang dipiawaikan: Dengan memanfaatkan piawaian baharu seperti Universal Chiplet Interconnect Express (UCIe), chiplet berkomunikasi melalui mikro-bonjol dengan ketumpatan lebar jalur tinggi dan kependaman pada tahap pikosaat.
Komposisi heterogen: Pereka sistem boleh menggandingkan dua chiplet dalam memori dengan pemproses kawalan ARM kos rendah untuk muatan dron yang ringan, atau menghimpunkan enam belas chiplet bersama antara muka PCIe berkelajuan tinggi untuk membina kad pemecut pelayan bagi pusat data pinggir.
Kompilasi sejagat dan pemetaan beban kerja: Satu lapisan pengkompil bersepadu menerima graf pembelajaran mendalam standard (ONNX, PyTorch) dan membahagikan lapisan model secara automatik merentas topologi chiplet yang tersedia, mengoptimumkan penghalaan data untuk meminimumkan komunikasi antara chiplet.

Perbandingan seni bina: paradigma pengkomputeran untuk robotik pinggir #

Vektor seni bina	GPU digital standard (NVIDIA Jetson / Orin)	NPU pinggir khusus (Google Coral / Hailo)	Chiplet pengkomputeran analog dalam memori (Mythic AI)
Mekanisme asas	Teras SIMD/tensor digital yang mengambil pemberat daripada LPDDR5/HBM	Tatasusunan sistolik digital dengan cache pemberat SRAM dalam cip	Tatasusunan analog satu transistor yang melakukan pendaraban matriks di tempat
Overhed pergerakan data	Tinggi (pengecasan bas DRAM/SRAM berterusan; 85%+ tenaga dibazirkan)	Sederhana (terhad oleh kapasiti cache SRAM dalaman)	Sifar pergerakan data dalaman; pemberat kekal di dalam memori secara kekal
Sampul kuasa inferens	30 W hingga 75 W+ (memerlukan penyejukan kipas aktif dan sink haba berat)	5 W hingga 15 W (penyejukan pasif atau minimum)	10 W hingga 20 W (pelesapan haba pasif ultra padat)
Kecekapan tenaga (TOPS/W)	2 hingga 5 TOPS/Watt (peringkat sistem)	10 hingga 25 TOPS/Watt	50 hingga 200+ TOPS/Watt (kecekapan teori 10 hingga 1,000 kali)
Senarai bahan peranti (BOM)	£500 hingga £2,500+ bagi setiap modul pengkomputeran	£100 hingga £350 bagi setiap papan pemecut	Puluhan dolar bagi setiap unit chiplet pada jumlah besar
Kesesakan memori (Von Neumann)	Teruk; terhad oleh lebar jalur memori (GB/s hingga TB/s)	Sederhana; terhad oleh kapasiti SRAM dalam cip (MB)	Tiada; lebar jalur tatasusunan sepadan dengan matriks memori dalaman
Bidang pelaksanaan sasaran	Kenderaan autonomi premium dan robot pemeriksaan industri	Kamera pintar dan peranti IoT terbenam yang ringan	Robotik sentuhan berkadar tinggi, dron taktikal dan AI automotif

Sumber: Sintesis data bual santai dan spesifikasi seni bina semikonduktor yang dibentangkan di Economist Enterprise Physical AI and Robotics Summit (Convene 200 Aldersgate, London, 13 Oktober 2026).

Maksudnya bagi setiap sektor #

Pengesahan komersial pengkomputeran dalam memori bergantung pada kejayaannya menembusi industri yang selama ini terhalang oleh kekangan kuasa dan kos daripada menggunakan model asas yang canggih.

Pertahanan taktikal dan sistem tanpa pemandu #

Dalam aplikasi pinggir pertahanan, kecekapan tenaga diterjemahkan terus kepada kebolehmandirian operasi dan tempoh misi. Sistem udara tanpa pemandu kecil (sUAS) dan kenderaan darat taktikal sangat dikekang oleh berat bateri. Melengkapkan dron peninjau dengan GPU konvensional memendekkan ketahanan udaranya sebanyak 30% hingga 50% semata-mata untuk menjana kuasa bagi tindanan persepsi AI.

Penglibatan strategik Mythic AI dengan Lockheed Martin tertumpu pada pembenaman pengkomputeran dalam memori ke dalam sistem pinggir taktikal, kawanan dron autonomi dan pos pengawasan terpencil. Dengan mengurangkan penggunaan kuasa pengkomputeran daripada 50 W kepada bawah 10 W, dron taktikal dapat terbang lebih lama sambil menjalankan pengelasan objek pelbagai mod, pemprosesan isyarat peperangan elektronik dan odometri visual-inersia secara setempat di medan operasi yang dipertikaikan dan tanpa GPS.

Kesedaran situasi automotif dan AI dalam kabin #

Dalam sektor automotif, pengilang peringkat pertama menghadapi tekanan margin yang hebat. Kenderaan elektrik perdana mampu menanggung kos komputer pemanduan autonomi bersejuk cecair bernilai £2,000, tetapi kenderaan pasaran massa tidak mampu.

Perkongsian Honda Motor dengan Mythic AI menangani geseran komersial ini. Pengeluar kereta memerlukan cip AI berkelayakan automotif berjumlah besar yang berharga puluhan dolar, bukan ratusan, yang mampu menjalankan sistem pemantauan pemandu, segmentasi objek titik buta dan persepsi sekeliling 360 darjah tanpa memerlukan gelung penyejukan cecair yang rumit yang menambah kos pembuatan dan kerumitan pemasangan.

Pusat data pinggir industri dan pemenuhan pesanan mudah alih #

Walaupun pengkomputeran dalam memori dioptimumkan dari segi seni bina untuk pinggir, Mythic sedang melaksanakan strategi jambatan yang disengajakan dengan menawarkan kad pemecut PCIe untuk pusat data pinggir dan hab pemenuhan pesanan gudang. Di kemudahan yang menempatkan ratusan robot mudah alih autonomi (AMR), rak pelayan pinggir yang menjalankan model penyelarasan armada dikekang oleh bekalan elektrik kemudahan dan had penyejukan. Kad pemecut dalam memori membolehkan kemudahan menggandakan daya pemprosesan inferens setempat tanpa menaik taraf infrastruktur kuasa utiliti.

Ketahanan rantaian bekalan dan geografi pembuatan #

Satu aspek penting taklimat Ozcelik tertumpu pada kedaulatan rantaian bekalan. Inovasi perkakasan tidak bermakna jika silikon tidak dapat dibuat, dibungkus dan dihantar secara boleh dipercayai pada skala besar.

Mythic AI telah membina jejak pembuatan antarabangsa yang teragih:

Fabrikasi silikon: Pengeluaran wafer teras dalam memori berpusat di Tokyo, Jepun, dengan memanfaatkan kepimpinan Jepun yang mantap dalam fabrikasi semikonduktor kejituan dan nod proses analog/kilat yang matang.
Pembungkusan dan pemasangan termaju: Wafer dihantar ke Eropah (khususnya Jerman) untuk pemotongan chiplet termaju, pengikatan substrat berbilang die dan pemeriksaan optik automatik.
Pengesahan semakan: Syarikat kini sedang menyiapkan pengesahan semakan silikon terbarunya, dengan tumpuan menterjemahkan metrik hasil makmal kepada Penyataan Kerja (SOW) gred pengeluaran yang boleh diulang untuk pengeluaran jumlah besar automotif dan pertahanan.

Pendekatan berbilang wilayah ini mengelakkan kelemahan geopolitik satu titik sambil memberikan rakan korporat Eropah dan Asia rantaian bekalan yang dipelbagaikan dari segi geografi.

Kesimpulan #

Dialog bual santai antara Taner Ozcelik dan Kenneth Cukier di Economist Enterprise Physical AI and Robotics Summit menggariskan realiti fizikal yang akan mentadbir dekad seterusnya bagi sistem autonomi. Hukum Moore, sebagai metrik mudah penskalaan transistor, tidak lagi mencukupi untuk menjana kuasa bagi revolusi AI fizikal.

Selagi seni bina pengkomputeran berpegang pada pemisahan logik dan memori ala Von Neumann, robotik akan terus dikekang oleh jisim bateri, pelesapan haba dan kos senarai bahan yang terlalu tinggi. Dengan beralih daripada pergerakan data digital kepada tatasusunan pengkomputeran analog dalam memori dan topologi chiplet modular, kejuruteraan semikonduktor sedang menghasilkan lonjakan kecekapan yang diperlukan oleh sistem autonomi.

Peralihan daripada kelompok pusat data 700 W kepada silikon pinggir 15 W ialah pintu masuk sebenar ke arah autonomi fizikal. Akhirnya, robot yang beroperasi di dunia sebenar mesti mematuhi hukum tenaga dunia sebenar; pengkomputeran dalam memori ialah seni bina yang merapatkan jurang antara silikon dan biologi.

Soalan Lazim #

Apakah kesesakan Von Neumann dalam perkakasan AI? Kesesakan Von Neumann merujuk kepada had daya pemprosesan dan tenaga yang disebabkan oleh pemisahan fizikal antara unit pemprosesan pusat (ALU) dan memori sistem (DRAM). Dalam beban kerja kecerdasan buatan, yang melibatkan berbilion pendaraban matriks, pemproses menghabiskan lebih 85% jumlah tenaganya dan banyak kitaran jam semata-mata untuk mengulang-alik data merentas bas tembaga, sekali gus mewujudkan kesesakan haba dan kependaman yang teruk.

Bagaimanakah pengkomputeran analog dalam memori (CIM) berfungsi? Pengkomputeran dalam memori melakukan operasi matematik terus di dalam sel memori tanpa memindahkan data. Pemberat rangkaian neural disimpan sebagai keadaan konduktans analog di dalam sel memori tidak meruap. Apabila voltan input dikenakan merentas tatasusunan, arus mengalir melalui sel mengikut Hukum Ohm ($I = V \times G$) dan bertambah di sepanjang talian bit mengikut Hukum Arus Kirchhoff. Ini menyempurnakan pendaraban matriks-vektor lengkap dalam satu langkah fizikal.

Mengapakah pengkomputeran dalam memori amat penting bagi robotik dan dron? Robot mudah alih dan dron beroperasi di bawah kekangan SWaP-C (saiz, berat, kuasa dan kos) yang ketat. Kedua-duanya bergantung pada bateri dalaman dan tidak dapat menampung radiator penyejuk yang berat atau bekalan kuasa berwatt tinggi. Pengkomputeran dalam memori memberikan kecekapan tenaga 10 hingga 1,000 kali lebih tinggi, membolehkan robot menjalankan model penglihatan-bahasa-tindakan yang kompleks secara setempat dalam sampul kuasa 10 W hingga 20 W sambil mengekalkan ketahanan bateri.

Apakah kelebihan pendekatan chiplet berbanding cip monolitik? Cip monolitik menyepadukan semua unit fungsi pada satu die silikon yang besar. Apabila saiz die bertambah, kadar kecacatan pembuatan meningkat secara eksponen, mengurangkan hasil pengeluaran dan menaikkan kos seunit. Seni bina chiplet memecahkan sistem kepada die silikon yang lebih kecil dan dipiawaikan, yang dikeluarkan secara berasingan dengan hasil tinggi dan disambungkan melalui mikro-bonjol berkelajuan tinggi. Ini membolehkan konfigurasi modular dan fleksibel yang disesuaikan dengan keperluan kuasa dan faktor bentuk industri tertentu.

Siapakah rakan komersial utama teknologi ini? Platform pengkomputeran dalam memori Mythic AI kini disokong oleh dua perkongsian korporat utama: Lockheed Martin, yang menyepadukan seni bina ini ke dalam dron pertahanan taktikal, platform robotik tanpa pemandu dan pos keselamatan perimeter untuk memanjangkan ketahanan bateri; dan Honda Motor, yang menyasarkan cip AI kos rendah berkelayakan automotif untuk kesedaran situasi kenderaan dan penderiaan dalam kabin.

Rujukan #

Economist Enterprise, (2026). Physical AI & Robotics Summit: Kelebihan operasi melalui sistem autonomi ⧉. Economist Enterprise.
Ozcelik, T., (2026). Melangkaui Hukum Moore: kuasa di sebalik robotik berprestasi tinggi ⧉. Mythic AI.
Cukier, K., (2026). Siling termodinamik bagi kecerdasan autonomi ⧉. The Economist.
Marković, D., Mizrahi, A., Querlioz, D., & Grollier, J., (2020). Fizik untuk pengkomputeran neuromorfik ⧉. Nature Reviews Physics, 2, 499-510.
Universal Chiplet Interconnect Express, (2025). Spesifikasi UCIe 2.0: Piawaian sambungan die-ke-die ⧉. UCIe Consortium.
IEEE, (2026). Pelan Hala Tuju Antarabangsa untuk Peranti dan Sistem (IRDS): Melangkaui CMOS dan pengkomputeran dalam memori ⧉. IEEE Standards Association.

Semakan terakhir 2026-10-13.

Semakan terakhir 2026-10-27.

Terbit semula artikel ini

Melangkaui Hukum Moore: pengkomputeran dalam memori dan chiplet robot — Sebastien Rousseau

Taner Ozcelik dari Mythic AI di sidang kemuncak Economist, London: cara pengkomputeran dalam memori dan chiplet meningkatkan kecekapan robot 10 hingga 1,000 kali.

Artikel ini dilesenkan di bawah Creative Commons Attribution 4.0 International. Penerbitan semula memerlukan atribusi kepada URL kanonik.

Melangkaui Hukum Moore: pengkomputeran dalam memori dan chiplet robot — Sebastien Rousseau

Taner Ozcelik dari Mythic AI di sidang kemuncak Economist, London: cara pengkomputeran dalam memori dan chiplet meningkatkan kecekapan robot 10 hingga 1,000 kali.

Originally published at https://sebastienrousseau.com/ms/2026-10-13-melangkaui-hukum-moore-pengkomputeran-dalam-memori/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU FOUNDER · ENGINEER