Bill Dally是英伟达的首席科学家兼研究高级副总裁,领导着一个大约300人的团队,在此前的GTC 2022上分享了一些英伟达研发方面的信息,其中涉及了使用机器学习(ML)和人工智能(AI)技术,进行开发、改进和加速GPU设计。 据HPC Wire报道,Bill Dally介绍了在GPU设计上有四个重要领域,分别是映射电压降(Mapping Voltage Drop)、预测寄生(Predicting Parasitics)、布局和布线挑战(Place and Routing Challenges)、自动化标准单元迁移(Automating Standard Cell Migration),机器学习和人工智能技术都可以发挥巨大的作用。映射电压降将向设计人员展示新GPU设计中使用的电源,传统的CAD工具运行需要
PC 的优势之一就是大多数部件都是兼容和通用的。虽然不同的硬件可能有一些限制,像是主板限制 CPU 类型、CPU 和 GPU 兼容性问题,或是 GPU 对电源的强制要求,但整体而言,PC的部件可替换性极强,这也是许多 PC 忠实用户所在乎的重点之一。然而对于笔记本电脑而言这并不是完全通用的。考虑到笔记本的轻薄设计,许多笔记本无法更换主板,且 GPU、CPU 也无法简单更换。不过大多数笔记本电脑的硬盘和内存是可以更换升级的。主打可升级性也是笔记本电脑中许多产品的竞争宣传点之一。有时候公司则会走自己专有路线,制造属于自己的独特技术,只适用于他们专门生产的产品。这通常会导致特定产品的生态系统协同工作,例如苹果产品。然而,它也会导致用户被锁定在一个品牌的产品中,提高成本,限制选择……例如苹果产品。推特用户 iGPU E