新科技速遞
記憶體廠商美光科技（Micron）推出全球最快的SSD固態硬碟X100之後，再宣佈收購另一家人工智能初創FWDNXT，並推出高性能的深度學習軟硬件工具。
上述工具針對IoT及邊緣運算，也就是為AI模型提供推論（Inference）。Micron結合高速記憶、運算工具、軟件，變成通用的AI開發平台。Micron正積極開發針對記憶體優化的AI運算平台，
Micron執行副總裁Sumit Sadana表示，FWDNXT可以通過極為簡單易用的軟件架構，迅速建立邊緣的AI方案。FWDNXT鎮的機器學習推論引擎開發已經進入第5代，結合Micron在記憶體技術的專長，可以為極之複雜的邊緣AI開發創新方案。
Micron收購FWDNXT後的推理引擎後推出了Deep Learning Accelerator（DLA）平台。Sadana表示，DLA可拉近算力和記憶體，令AI推動性能更好，功耗更低。DLA也會提供容易上手的編程平台，並支援多項機器學習框架和神經網絡，而且可以在短時間內處理大量的數據。
Micron的 DLA 技術可處理海量資料，將其轉化為洞察，並促進創新。Micron正跟美國俄勒岡健康及科學大學研究人員合作， DLA 上運行卷積神經網路（CNN）處理和分析3D電子顯微鏡圖像，研究癌症治療的新方案。Micron也在跟研究核子科學的學術組織物理學家合作，以DLA建立CNN的深度學習模型，可近乎對高能粒子碰撞結果進行實時分類，並且檢測罕見粒子的存在和相互作用。
較早前，Micron委託了研究機構Forrester訪問建構人工智能工程師，顯示開發人工智能系統時，首要考慮並非運算，而是如何打造記憶體與儲存架構，滿足龐大運算需求。超過九成受訪者說，記憶體與儲存架構，關係到開發人工智能系統的成敗，數據吞吐量的重要性，比運算更高，算力與記憶體間的距離必須縮短，或者稱為內存運算（In memory Computing），近年Redis等方案大行其道，推動了高性能運算。
以視覺運算為例，記憶體讀寫每秒也達150-300 GB。汽車將會像飛機一樣，備有黑盒子記錄片段，錄下車內外狀況，不斷重視寫入，對記憶體與儲存效能與耐用性，也是極大考驗。
人工智能的邊緣運算，正改變芯片AI化，除了傳統的CPU以外，用於AI還有GPU、FPGA、TPU和SOC其他專用芯片ASIC相繼出現。不少芯片針對AI優化與記憶體的連接。Micron提供了不同的記憶方案，從低延遲DRAM、高頻寬NVDIMM 記憶體、新一代3D XPoint，大容量儲存方案TLC NAND SSD及QLC NAND SSD等；加上價格下跌，短期內會將傳統硬盤趕出市場，Micron也大舉投資，迎接下一波的運算革命。