به گفته گلدمن ساکس، پردازنده‌های گرافیکی مورد نیاز برای اجرای مدل‌های هوش مصنوعی، انرژی زیادی مصرف می‌کنند که تا سال 2030 تقاضای برق را 160 درصد افزایش می‌دهد.ویشال سارین، طراح مدار و حافظه آنالوگ، هوش مصنوعی Sagence را برای ایجاد جایگزین های کارآمدتر برای این مشکل، همانطور که توسط TechCrunch گزارش شده است، تأسیس کرد.
این استارت‌آپ تراشه‌های آنالوگ را توسعه می‌دهد که برخلاف تراشه‌های دیجیتال، می‌توانند داده‌ها را در محدوده‌ای از مقادیر نشان دهند و نیازی به انتقال داده بین حافظه و پردازنده‌ها ندارند، که باعث کاهش مصرف انرژی و بهبود سرعت می‌شود.
اگرچه تراشه های آنالوگ از سال 1935 تا 1980 محبوب بودند، اما به دلیل محدودیت های تراشه های دیجیتال، مانند نیاز به اجزای متعدد و محدودیت های حافظه، کارایی انرژی آنها مورد بازنگری قرار گرفته است.
بیشتر
جنگ تراشه‌ها: ژاپن قصد دارد مسیر را تغییر دهد Shutterstock/Riopatuka تفاوت بین تراشه‌های Sagence تراشه‌های Sagence که «تراشه‌های درون حافظه» نامیده می‌شوند، می‌توانند محاسبات را با ماژول‌های کمتر و تراکم داده‌های بیشتر انجام دهند و عملکرد برتر و تأخیر کمتری را برای برنامه‌های هوش مصنوعی ارائه دهند. تراشه های آنالوگ با وجود مزایایی که دارند، ساخت و برنامه ریزی با دقت بالا دشوارتر است. سارین معتقد است که تراشه‌های Sagence مکمل تراشه‌های دیجیتال و سرعت بخشیدن به برنامه‌های کاربردی خاص در سرورها و دستگاه‌های تلفن همراه خواهند بود. این شرکت که قصد دارد تراشه های خود را در سال 2025 عرضه کند، تاکنون 58 میلیون دلار آمریکا سرمایه گذاری کرده است و در حال آماده شدن برای گسترش تیم خود است. با ظهور استارت آپ های نیمه هادی و تقاضای فزاینده برای راه حل های هوش مصنوعی، Sagence می تواند سود ببرد تا زمانی که بتواند برتری تراشه های خود را از نظر مصرف انرژی و کارایی ثابت کند.
تراشه های Sagence در سال 2025 عرضه می شوند - تصویر: 3dartists / Shutterstock.com