16x AI ബൂസ്റ്റിനായി AMD-യും Intel-ഉം ഒന്നിക്കുന്നു

ACE എന്ന് വിളിക്കപ്പെടുന്ന ഒരു പുതിയ സ്റ്റാൻഡേർഡിനായി AMD-യും Intel-ഉം ചേർന്ന് പ്രവർത്തിക്കുന്നു.

ഒരു പ്രധാന പ്രശ്നം പരിഹരിക്കുന്നതിനായി ഈ രണ്ട് എതിരാളികളും x86 Ecosystem Advisory Group-ൽ ചേർന്നു. വർഷങ്ങളായി, x86 ചിപ്പുകൾക്ക് AI-ക്കായി ഒരു ഏകീകൃത ഭാഷയുടെ അഭാവമുണ്ടായിരുന്നു. ഇത് Intel, AMD ചിപ്പുകളിൽ ഒരുപോലെ പ്രവർത്തിക്കുന്ന കോഡുകൾ എഴുതുന്നതിന് ഡെവലപ്പർമാരെ പ്രയാസത്തിലാക്കി.

ACE ഇത് മാറ്റുന്നു. ഗണിതക്രിയകൾ (math operations) വേഗത്തിലാക്കാൻ ഇത് AI Compute Extensions അവതരിപ്പിക്കുന്നു.

ഇത് നിങ്ങൾക്ക് പ്രധാനമാകുന്നത് എന്തുകൊണ്ടെന്നാൽ:

  • 16x വേഗതയേറിയ AI: നിലവിലുള്ള ഇൻസ്ട്രക്ഷനുകളെ അപേക്ഷിച്ച് 16 മടങ്ങ് കൂടുതൽ കമ്പ്യൂട്ട് ഡെൻസിറ്റി ACE നൽകുന്നു.
  • ഒരൊറ്റ കോഡ്ബേസ്: ഏത് x86 CPU-യിലും നിങ്ങൾക്ക് ഒരേ AI കോഡ് പ്രവർത്തിപ്പിക്കാം. വ്യത്യസ്ത ബ്രാൻഡുകൾക്കായി കോഡ് വീണ്ടും എഴുതേണ്ടതില്ല.
  • മെച്ചപ്പെട്ട കാര്യക്ഷമത: ഒരു സൈക്കിളിൽ തന്നെ മാട്രിക്സ് കണക്കുകൂട്ടലുകൾ (matrix math) കൈകാര്യം ചെയ്യാൻ ACE 2D Tile Registers ഉപയോഗിക്കുന്നു.
  • കുറഞ്ഞ പവർ ഉപയോഗം: സാധാരണയായി ഒരു GPU ആവശ്യമായി വരുന്ന AI ജോലികൾ ഇപ്പോൾ CPU-കൾക്കും ചെയ്യാൻ കഴിയും. ഇത് ലാപ്ടോപ്പുകളിലും എഡ്ജ് ഡിവൈസുകളിലും (edge devices) ഏറെ സഹായകരമാണ്.

GPU-കളെ മാറ്റിസ്ഥാപിക്കുക എന്നതല്ല ഇതിന്റെ ലക്ഷ്യം. പകരം, ഒരു GPU വളരെ വലുതോ, വിലകൂടിയതോ, അല്ലെങ്കിൽ കൂടുതൽ പവർ ഉപയോഗിക്കുന്നതോ ആയ സാഹചര്യങ്ങളിൽ AI ജോലികൾ ചെയ്യാൻ ACE CPU-കളെ സഹായിക്കുന്നു. നേർത്ത ലാപ്ടോപ്പുകൾക്കും റിയൽ-ടൈം ജോലികൾക്കും ഇത് അനുയോജ്യമാണ്.

സോഫ്റ്റ്‌വെയർ പിന്തുണ ഇതിനോടകം ആരംഭിച്ചു കഴിഞ്ഞു. NumPy, PyTorch, TensorFlow തുടങ്ങിയ പ്രധാന ലൈബ്രറികൾ ACE പിന്തുണ ചേർക്കുന്നതിനായി പ്രവർത്തിച്ചുവരുന്നു.

ഈ ഹാർഡ്‌വെയർ ഇന്ന് നിങ്ങൾക്ക് ലഭ്യമാകില്ല. പുതിയ ഇൻസ്ട്രക്ഷനുകൾ ഉൽപ്പന്നങ്ങളിൽ എത്താൻ സാധാരണയായി രണ്ട് മുതൽ മൂന്ന് വർഷം വരെ എടുക്കും. ഭാവിയിലെ ചിപ്പ് ആർക്കിടെക്ചറുകളിൽ ഇത് പ്രതീക്ഷിക്കാം.

ARM-നെതിരെ x86-ന് മത്സരശേഷി നിലനിർത്താൻ ഈ പങ്കാളിത്തം സഹായിക്കുന്നു. ഒന്നിച്ച് പ്രവർത്തിക്കുന്നതിലൂടെ, AI യുഗത്തിൽ തങ്ങളുടെ പ്ലാറ്റ്‌ഫോമുകൾ പ്രസക്തമായി തുടരുന്നുവെന്ന് Intel-ഉം AMD-യും ഉറപ്പാക്കുന്നു.

Source: https://dev.to/techmag/amd-and-intel-join-forces-on-ace-16x-ai-boost-for-x86-cpus-32ll

Optional learning community: https://t.me/GyaanSetuAi