麻省理工學院（MIT）日前在國際固態電路大會（International Solid State Circuits Conference，ISSCC）發表一款深度學習（Deep Learning）晶片Eyeriss，專門用來部署類神經網路（Neural Network）。MIT宣稱，該晶片的效能是一般行動裝置GPU的10倍，能夠直接在行動裝置上執行AI人工智慧演算法，不需要透過網路來處理資料。
MIT除了在Eyeriss晶片的雛形（Prototype）上部署人工智慧演算法外，還內建了168個核心，而該晶片能夠辨識人臉、物品，甚至是聲音，且能應用在智慧型手機、自動駕駛車、機器人、無人機等裝置上。
另外，微軟、臉書和Google等廠商也都有推出各自的深度學習系統，而深度學習是機器學習的一部分，其演算法可以協助資料分類，以及了解資料關聯性，這通常需要複雜的類神經網路和大量的運算資源才能執行。
不過，MIT表示，提升Eyeriss效能的關鍵在於，最小化GPU核心（Core）和記憶體間交換資料的頻率，而一般GPU的核心是共享單一的記憶體，但是Eyeriss的每個核心則是有自己的記憶體可以使用，且晶片甚至可以在傳送資料到每一個核心前先進行資料壓縮。
此外，每一個核心都能夠和鄰近的核心直接溝通，如果需要共享資料時，就不用透過主要記憶體來傳遞，MIT表示，當卷積神經網路（Convolutional Neural Networks）有很多節點在處理相同資料時，鄰近的核心間能夠直接溝通很重要。
而提升晶片效能還有一個關鍵是跨核心分配任務的專用電路，可以在不同類型的類神經網路重新配置，或是跨核心自動配置資料，如此，比起從主要記憶體抓取資料，這種方式能讓晶片更快取得資料。
除了MIT的Eyeriss晶片外，也有其他廠商在研發類似的產品，如高通（Qualcomm）、英特爾（Intel）、Nvidia等。