IBM研发的北极点（NorthPole）处理器芯片可避开访问外部存储器，提高打算能力，节约能源。
美国加利福尼亚州圣何塞的IBM研究职员开拓了一种以大脑为灵感的打算机芯片，这款北极点处理器芯片肃清了频繁访问外部存储器的须要，在图像识别任务中比现有架构更快，能源花费更少。这表明打算和内存可以大规模集成。干系研究10月19日揭橥在《科学》杂志。
北极点芯片采取神经推理构造，由大略打算单元组成的多层阵列通过编程来识别数据中的模式。底层吸收数据，例如图像中的像素；每一个连续的层检测日益繁芜的模式，并将信息通报给下一层；顶层输出结果，例如可以表示图像含有猫、汽车或其他物体的可能性。
在传统冯·诺伊曼架构下，打算和存储分离。传统打算机芯片可以有效处理打算，但每次打算时仍旧须要利用被称为RAM的外部存储器。因此不管处理器运行多快、性能多好，每次实行运算时都须要把数据从存储器搬到处理器中，数据处理完再搬回到存储器。在以数据为主的AI打算之下，冯·诺伊曼架构的“存储墙”和“功耗墙”寻衅凸显。论文合著者、IBM打算机工程师达门德拉·莫达（Dharmendra Modha）表示，他曾估计在这种架构上仿照人类大脑可能须要12个核反应堆的能源输出。
而北极点芯片使存储单元在物理上尽可能靠近打算单元中的打算元件。北极点芯片由256个打算单元组成，每个打算单元都有内存，通过肃清片外内存，将打算与片上内存交织在一起。这些打算单元以一种网络连接在一起，这种网络的灵感来自于人类大脑皮层之间的白质连接。
在不该用最前辈工艺的情形下，北极点芯片能耗是利用最前辈技能的人工智能芯片的1/5。论文作者估计，如果北极点芯片设计采取最前辈的制造工艺，其效率将是目前设计的25倍。论文提到，“在ResNet50基准图像分类网络上，相对付利用类似12纳米技能工艺的GPU， 北极点实现了每瓦FPS（每秒传输帧数）的能量度量高25倍，每个晶体管FPS的空间度量高5倍，延迟韶光度量低22倍。”
不过，据《自然》杂志宣布，纵然是北极点芯片224兆内存对付大型措辞模型来说也是不足的，比如谈天机器人ChatGPT这样的措辞模型，纵然在最精简的版本中也要占用几千兆的数据。而且该芯片只能运行预先编程的神经网络，这些神经网络须要在单独的机器上提前演习。但论文作者表示，北极点芯片架构可能在速率关键型运用中有用，比如自动驾驶汽车。
