**Mahalaga na Pag-unlad para sa Video-Generation AI Model na Gumagamit ng Off-the-Shelf Chip ay Nagbibigay ng Tagumpay para sa Tsina at Binabago ang Pandaigdigang Landscape ng AI Hardware** **Oras ng Pagbasa: 2 minuto** **Bakit Mo Maasahan ang SCMP** *Zhang Tongin, Beijing* **Nailathala: 7:00 PM, Marso 12, 2025** Sa isang ambisyosong pagsisikap na hamunin ang pamumuno ng higanteng US na Nvidia sa AI hardware, matagumpay na na-train ng mga mananaliksik mula sa Tsina ang isang advanced na modelo ng video generation gamit ang isang off-the-shelf na industriyal na chip, na nagpapakita ng mas mataas na bilis at kahusayan kumpara sa mga high-end na GPU. Ang sistemang tinawag na FlightVGM ay nakamit ang isang kahanga-hangang 30 porsyentong pagtaas sa pagganap at nagpakita ng kahusayan sa enerhiya na 4. 5 beses na mas mataas kaysa sa premier RTX 3090 GPU ng Nvidia, habang tumatakbo sa malawakang available na V80 FPGA chip mula sa Advanced Micro Devices (AMD), isa pang malaking kumpanya ng semiconductor sa US. Ang makabagong inobasyong ito ay nakakuha ng prestihiyosong Best Paper Award sa FPGA 2025 conference, na nagtapos noong Marso 1. Ito ay nagmarka ng isang makasaysayang unang pagkakataon para sa isang mainland Chinese team, na nagpapakita ng makabuluhang pagbabago sa pandaigdigang pagsisikap na i-optimize ang AI hardware. Ang FlightVGM ay binuo sa pakikipagtulungan ng mga siyentipiko mula sa Shanghai Jiao Tong University, Tsinghua University, at ng startup na Infinigence-AI na nakabase sa Beijing. Ang modelo ay may potensyal na baguhin kung paano ipinatutupad ng mga industriya ang cost-effective at energy-efficient na mga sistema ng AI sa iba't ibang aplikasyon, kabilang ang robotics at autonomous na mga sasakyan. Ang mga field-programmable gate arrays (FPGAs) ay mga programmable semiconductor devices na nagbibigay-daan sa mga pagbabago sa kanilang circuitry at mga function pagkatapos ng pagmamanupaktura. Sa kabaligtaran, ang mga tradisyonal na chip tulad ng CPUs (central processing units), GPUs (graphics processing units), at ASICs (application-specific integrated circuits) ay may mga nakatakdang function pagkaraan ng paggawa. Sa larangan ng video generation at pangkalahatang computing, parehong nag-aalok ang mga FPGAs at Nvidia GPUs ng natatanging mga bentahe.

Ang mga FPGAs ay nagbibigay ng mga nako-customize na arkitektura na angkop para sa mga tiyak na gamit, na nagreresulta sa mas mataas na kahusayan sa enerhiya at pinababang latency. Sa kabilang banda, ang mga Nvidia GPUs ay kilala sa kanilang malalaking parallel processing power, na ginagawang mahusay ang mga ito sa pamamahala ng malalaking set ng data at pagsasagawa ng mga kumplikadong computational na gawain. Sa pagpapatuloy ng naunang pananaliksik, binuo ng grupong Tsino ang FlightVGM bilang unang video-generation AI model na na-train sa mga FPGAs. Sa pamamagitan ng mga inobasyon sa data architecture at mga teknik sa scheduling, nakamit ng FlightVGM ang computational performance na lumalampas sa mga GPU.