人工智能消耗着巨大的电力。Rain AI 提出了一种范式转变，其神经处理单元（NPU）基于受大脑启发的模拟计算。它们不是在内存和处理器之间移动数据，而是直接在内存中执行计算，这种方法被称为存内计算，有望为人工智能工作负载带来极高的能效。
存内计算：这种模拟架构的工作原理 🧠
Rain AI 的芯片利用物理定律来执行矩阵运算（神经网络的核心），而无需分离存储和计算。忆阻器和其他模拟组件存储突触权重并在同一位置执行乘法运算。这消除了冯·诺依曼瓶颈，并将能耗相比数字 GPU 降低了几个数量级，尽管其数值精度较低。
模拟大脑：完美到不记得你把钥匙放在哪里了 😅
当然，模仿大脑也有其缺点。如果你现在的 GPU 在计算一个像素时出错，那是一个错误。如果 Rain AI 的模拟芯片出错，它可能会把一只猫误认为烤面包机。但是，嘿，对于识别模式或处理信号等任务，精度不足是一个特性，而不是缺陷。至少它不会像我们一样有存在主义危机。