**Banebrydende fremskridt for video-generations AI-model med brug af standardchip markerer en milepæl for Kina og ændrer det globale AI-hardwarelandskab** **Læsetid: 2 minutter** **Hvorfor du kan stole på SCMP** *Zhang Tongin, Beijing* **Udgivet: 19:00, den 12. marts 2025** I et ambitiøst forsøg på at udfordre den amerikanske gigant Nvidia's førerposition inden for AI-hardware har kinesiske forskere med succes trænet en avanceret video-generationsmodel ved hjælp af en standard industriel chip, der demonstrerer overlegen hastighed og effektivitet sammenlignet med high-end GPU'er. Systemet, der hedder FlightVGM, opnåede en bemærkelsesværdig præstationsforøgelse på 30 procent og viste en energieffektivitet, der var 4, 5 gange større end Nvidias førende RTX 3090 GPU, alt imens det opererede på den bredt tilgængelige V80 FPGA-chip fra Advanced Micro Devices (AMD), et andet stort amerikansk halvlederfirma. Denne banebrydende innovation modtog den prestigefyldte Best Paper Award ved FPGA 2025-konferencen, der sluttede den 1. marts. Dette markerede en historisk første gang for et fastlands-kinesisk team, som indikerer et betydeligt skift i den globale bestræbelse på at optimere AI-hardware. FlightVGM blev udviklet af et samarbejde mellem forskere fra Shanghai Jiao Tong University, Tsinghua University og den Beijing-baserede opstart Infinigence-AI. Modellen har potentiale til at transformere, hvordan industrier implementerer omkostningseffektive og energieffektive AI-systemer på tværs af forskellige anvendelser, herunder robotik og autonome køretøjer. Field-programmable gate arrays (FPGAs) er programmerbare halvleder-enheder, der muliggør ændringer i deres kredsløb og funktioner efter produktion.

I kontrast hertil har traditionel chips som CPU'er (central processing units), GPU'er (graphics processing units) og ASIC'er (application-specific integrated circuits) faste funktionaliteter, når de først er produceret. Inden for video-generering og generel computing tilbyder både FPGAs og Nvidia GPU'er unikke fordele. FPGAs giver tilpassede arkitekturer skræddersyet til specifikke anvendelser, hvilket fører til større energieffektivitet og reduceret latenstid. Omvendt er Nvidia GPU'er kendt for deres betydelige parallelle behandlingskraft, hvilket gør dem dygtige til at håndtere store datamængder og udføre komplekse beregningsopgaver. Ved at bygge videre på tidligere forskning har det kinesiske team udviklet FlightVGM som den første video-generations AI-model, der er trænet på FPGAs. Gennem innovationer inden for dataarkitektur og planlægningsteknikker har FlightVGM opnået beregningsydelse, der overstiger den hos GPU'er.