चिप स्तर पर AI का परिचय आपको स्थानीय स्तर पर अधिक डेटा संसाधित करने की अनुमति देता है, क्योंकि उपकरणों की संख्या में वृद्धि अब एक ही प्रभाव नहीं देती है

चिप निर्माता नए आर्किटेक्चर पर काम कर रहे हैं जो प्रति वाट और चक्र में संसाधित डेटा की मात्रा में काफी वृद्धि करते हैं। जमीन हाल के दशकों में चिप वास्तुकला में सबसे बड़े क्रांतियों में से एक के लिए निर्धारित है।

चिप्स और सिस्टम के सभी प्रमुख निर्माता विकास की दिशा बदल रहे हैं। उन्होंने आर्किटेक्चर की दौड़ में प्रवेश किया, जो हर चीज में प्रतिमान बदलाव के लिए प्रदान करता है: पढ़ने और लिखने के तरीकों से लेकर स्मृति तक, उनके प्रसंस्करण तक और आखिरकार, एक चिप पर विभिन्न तत्वों का लेआउट। हालांकि लघुकरण जारी है, कोई भी सेंसरों से डेटा की विस्फोटक वृद्धि और मशीनों के माध्यम से यातायात की मात्रा बढ़ाने के लिए स्केलिंग पर दांव लगा रहा है।

नए आर्किटेक्चर में बदलाव के बीच:

• 1 घड़ी चक्र में डेटा की एक बड़ी मात्रा को संसाधित करने के लिए नए तरीके, कभी-कभी कम सटीकता के साथ या कुछ कार्यों की प्राथमिकता के आधार पर, आवेदन पर निर्भर करते हैं।
• नए मेमोरी आर्किटेक्चर जो डेटा को स्टोर करने, पढ़ने, लिखने और एक्सेस करने के तरीके को बदलते हैं।
• अधिक विशिष्ट प्रसंस्करण मॉड्यूल स्मृति के करीब पूरे सिस्टम में स्थित है। केंद्रीय प्रोसेसर के बजाय, डेटा और एप्लिकेशन के प्रकार के आधार पर त्वरक का चयन किया जाता है।
• AI के क्षेत्र में, विभिन्न प्रकार के डेटा को टेम्प्लेट के रूप में संयोजित करने के लिए काम चल रहा है, जो विभिन्न प्रकारों के बीच विसंगतियों को कम करते हुए प्रभावी रूप से डेटा के घनत्व को बढ़ाता है।
• अब मामले में लेआउट वास्तुकला का मुख्य घटक है, इन डिजाइनों को बदलने में आसानी पर अधिक से अधिक ध्यान दिया जा रहा है।

"कई रुझान हैं जो तकनीकी विकास को प्रभावित करते हैं," एक प्रतिष्ठित रामबास इंजीनियर स्टीफन वू ने कहा। - डेटा केंद्रों में, आप सबसे अधिक हार्डवेयर और सॉफ्टवेयर निचोड़ते हैं। इस कोण से, डेटा सेंटर के मालिक अर्थव्यवस्था को देख रहे हैं। कुछ नया पेश करना महंगा है। लेकिन अड़चनें बदल रही हैं, इसलिए अधिक कुशल कंप्यूटिंग के लिए विशेष चिप्स पेश किए जा रहे हैं। और अगर आप डेटा प्रवाह को I / O और मेमोरी में आगे पीछे करते हैं, तो इससे बड़ा प्रभाव हो सकता है। ”

कंप्यूटिंग अवसंरचना के किनारे पर परिवर्तन अधिक स्पष्ट हैं, अर्थात् अंत सेंसर के बीच। निर्माताओं को अचानक एहसास हुआ कि दसियों अरबों उपकरण बहुत अधिक डेटा उत्पन्न करेंगे: ऐसी मात्रा को प्रसंस्करण के लिए क्लाउड पर नहीं भेजा जा सकता है। लेकिन किनारे पर इस सभी डेटा को संसाधित करना अन्य समस्याओं का परिचय देता है: इसे बिजली की खपत में उल्लेखनीय वृद्धि के बिना प्रमुख प्रदर्शन में सुधार की आवश्यकता होती है।

"कम सटीकता की ओर एक नया रुझान है," एनवीडिया पर टेस्ला के लीड प्लेटफॉर्म आर्किटेक्ट रॉबर्ट ओबर ने कहा। - ये केवल कम्प्यूटेशनल चक्र नहीं हैं। यह मेमोरी में अधिक गहन डेटा पैकिंग है, जहां 16-बिट निर्देशों का प्रारूप उपयोग किया जाता है। ”

ऑबर्ट का मानना ​​है कि भविष्य में भविष्य में वास्तु अनुकूलन की एक श्रृंखला के लिए धन्यवाद, आप हर दो साल में प्रसंस्करण गति को दोगुना कर सकते हैं। "हम उत्पादकता में एक नाटकीय वृद्धि देखेंगे," उन्होंने कहा। - इसके लिए आपको तीन चीजें करने की जरूरत है। पहला कंप्यूटिंग है। दूसरी है स्मृति। तीसरा क्षेत्र होस्ट बैंडविड्थ और I / O बैंडविड्थ है। भंडारण और नेटवर्क स्टैक को अनुकूलित करने के लिए बहुत काम करने की आवश्यकता है। ”

कुछ पहले से ही लागू किया जा रहा है। 2018 के हॉट चिप्स सम्मेलन में एक प्रस्तुति में, सैमसंग के ऑस्टिन रिसर्च सेंटर के प्रमुख वास्तुकार जेफ रूपले ने एम 3 प्रोसेसर में कई बड़े वास्तु परिवर्तन किए। प्रति बीट में अधिक निर्देश शामिल हैं - अंतिम एम 2 चिप में चार के बजाय छह। इसके अलावा, तंत्रिका नेटवर्क पर शाखा भविष्यवाणी को लागू किया गया था और अनुदेश कतार दोगुनी हो गई थी।

इस तरह के परिवर्तन एक तरफ नवाचार के बिंदु को वास्तुकला और डिजाइन के प्रत्यक्ष निर्माण से एक तरफ और उत्पादन श्रृंखला के दूसरी तरफ तत्वों के लेआउट में स्थानांतरित करते हैं। यद्यपि तकनीकी प्रक्रियाओं में नवाचारों को जारी रखा जाएगा, यह केवल इसकी कीमत पर है कि प्रत्येक नए चिप मॉडल में उत्पादकता और शक्ति में 15-20% वृद्धि हासिल करना अविश्वसनीय रूप से कठिन है - और यह डेटा वॉल्यूम में तेजी से वृद्धि का सामना करने के लिए पर्याप्त नहीं है।

हॉट चिप्स सम्मेलन में एक भाषण में, Xilinx के अध्यक्ष और मुख्य कार्यकारी अधिकारी, विक्टर पैन ने कहा, "परिवर्तन एक घातीय दर पर हो रहे हैं," हर साल 10 zettabytes [10 ²¹ बाइट्स] डेटा उत्पन्न किया जाएगा, और इसमें से अधिकांश असंरचित है। "

स्मृति के लिए नया दृष्टिकोण

इतने डेटा के साथ काम करने के लिए सिस्टम के प्रत्येक घटक को डेटा प्रोसेसिंग विधियों से उनके भंडारण तक पुनर्विचार की आवश्यकता होती है।

"नए मेमोरी आर्किटेक्चर बनाने के कई प्रयास किए गए हैं," ईसिलोन ईएमईए के वरिष्ठ नवाचार निदेशक कार्लोस माचिन ने कहा। - समस्या यह है कि आपको सभी लाइनों को पढ़ने और प्रत्येक में एक बिट का चयन करने की आवश्यकता है। एक विकल्प एक मेमोरी बनाना है जिसे बाएं से दाएं, साथ ही ऊपर और नीचे पढ़ा जा सकता है। आप आगे भी जा सकते हैं और स्मृति में संगणना जोड़ सकते हैं। ”

इन परिवर्तनों में मेमोरी को पढ़ने के तरीके, स्थान और प्रसंस्करण के प्रकार के तत्वों को बदलना, साथ ही पूरे सिस्टम में डेटा के भंडारण, प्रसंस्करण और संचलन को प्राथमिकता देने के लिए AI की शुरूआत शामिल है।

"क्या होगा अगर, विरल डेटा के मामले में, हम इस सरणी से एक बार में केवल एक बाइट पढ़ सकते हैं - या हो सकता है कि अन्य बाइट्स या बाइट पथ पर ऊर्जा बर्बाद किए बिना एक ही बाइट पथ से लगातार आठ बाइट्स जो हम रुचि नहीं रखते हैं ? "मार्क ग्रीनबर्ग, ताल उत्पाद विपणन निदेशक पूछता है।" - भविष्य में, यह संभव है। उदाहरण के लिए, यदि आप HBM2 की वास्तुकला को देखते हैं, तो स्टैक को 64 बिट्स के 16 आभासी चैनलों में व्यवस्थित किया जाता है, और आपको किसी भी वर्चुअल चैनल तक पहुंचने के लिए केवल 4 लगातार 64-बिट शब्द प्राप्त करने की आवश्यकता होती है। इस प्रकार, 1024 बिट्स की चौड़ाई के साथ डेटा के सरणियों को बनाना संभव है, क्षैतिज रूप से लिखें, लेकिन एक समय में लंबवत रूप से चार 64-बिट शब्द पढ़ें। "

मेमोरी वॉन न्यूमैन आर्किटेक्चर के मुख्य घटकों में से एक है, लेकिन अब यह प्रयोगों के लिए मुख्य एरेनास में से एक बन गया है। "मुख्य दुश्मन आभासी मेमोरी सिस्टम है, जहां डेटा को अधिक अप्राकृतिक तरीके से स्थानांतरित किया जाता है," डोन बाउवियर ने कहा, एएमडी के लिए क्लाइंट उत्पादों के लिए मुख्य वास्तुकार। - यह एक प्रसारण प्रसारण है। इसका उपयोग हम ग्राफिक्स के क्षेत्र में करते हैं। लेकिन अगर हम DRAM मेमोरी बैंक में टकराव को हल करते हैं, तो हमें बहुत अधिक कुशल स्ट्रीमिंग मिलती है। फिर एक अलग GPU 90% दक्षता की सीमा में DRAM का उपयोग कर सकता है, जो बहुत अच्छा है। लेकिन अगर आप बिना किसी रुकावट के स्ट्रीमिंग सेट करते हैं, तो CPU और APU भी 80% से 85% तक की दक्षता सीमा में आ जाएंगे। ”


अंजीर। 1. आर्किटेक्चर वॉन न्यूमैन। स्रोत: सेमीकंडक्टर इंजीनियरिंग

आईबीएम एक अलग प्रकार की मेमोरी आर्किटेक्चर विकसित कर रहा है, जो अनिवार्य रूप से डिस्क एकत्रीकरण का उन्नत संस्करण है। लक्ष्य यह है कि एकल ड्राइव का उपयोग करने के बजाय, सिस्टम मनमाने ढंग से कनेक्टर के माध्यम से किसी भी उपलब्ध मेमोरी का उपयोग कर सकता है, जिसे जेफ स्टुक्ली, एक आईबीएम हार्डवेयर वास्तुकार, तत्वों को जोड़ने के लिए "स्विस आर्मी नाइफ" कहता है। दृष्टिकोण का लाभ यह है कि यह आपको विभिन्न प्रकार के डेटा को मिलाने और मिलान करने की अनुमति देता है।

"प्रोसेसर एक उच्च-प्रदर्शन सिग्नलिंग इंटरफ़ेस के केंद्र में बदल रहा है," स्टुकेली कहते हैं। "यदि आप माइक्रोआर्किटेक्चर को बदलते हैं, तो कोर एक ही आवृत्ति पर प्रति चक्र अधिक संचालन करता है।"

कनेक्टिविटी और थ्रूपुट उत्पन्न डेटा की मौलिक रूप से बढ़ी हुई मात्रा के प्रसंस्करण को सुनिश्चित करना चाहिए। "मुख्य अड़चनें अब डेटा आंदोलन स्थानों में हैं," वू ने रामबस से कहा। "उद्योग ने कंप्यूटिंग की गति को बढ़ाने के लिए एक महान काम किया है।" लेकिन यदि आप डेटा या विशेष डेटा टेम्पलेट्स की अपेक्षा करते हैं, तो आपको मेमोरी को तेजी से चलाने की आवश्यकता है। इस प्रकार, यदि आप DRAM और NVM को देखते हैं, तो प्रदर्शन ट्रैफिक पैटर्न पर निर्भर करता है। यदि डेटा स्ट्रीमिंग है, तो मेमोरी बहुत अच्छा प्रदर्शन प्रदान करेगी। लेकिन अगर डेटा यादृच्छिक बूँदें में आता है, तो यह कम कुशल है। और कोई फर्क नहीं पड़ता कि आप क्या करते हैं, वॉल्यूम में वृद्धि के साथ आपको अभी भी इसे तेजी से करना है। "

अधिक कंप्यूटिंग, कम यातायात।

समस्या को इस तथ्य से जटिल किया जाता है कि किनारे पर उपकरणों द्वारा विभिन्न आवृत्तियों और गति पर कई अलग-अलग प्रकार के डेटा उत्पन्न होते हैं। इस डेटा को विभिन्न प्रसंस्करण मॉड्यूल के बीच स्वतंत्र रूप से स्थानांतरित करने के लिए, प्रबंधन को अतीत की तुलना में बहुत अधिक कुशल बनना चाहिए।

"चार मुख्य विन्यास हैं: कई-से-कई, मेमोरी सबसिस्टम, कम-शक्ति वाले आईओ, और ग्रिड और रिंग टोपोलॉजी," आर्टरी आईपी के अध्यक्ष और सीईओ चार्ली जनक कहते हैं। - आप सभी चार को एक चिप पर रख सकते हैं, जो कुंजी IoT चिप्स के साथ होता है। या आप उच्च-थ्रूपुट एचबीएम सबसिस्टम जोड़ सकते हैं। लेकिन जटिलता बहुत बड़ी है, क्योंकि इनमें से कुछ वर्कलोड बहुत विशिष्ट हैं, और चिप में कई अलग-अलग कार्य कार्य हैं। यदि आप इनमें से कुछ माइक्रोचिप्स को देखते हैं, तो उन्हें भारी मात्रा में डेटा मिलता है। यह कार रडार और लिडार जैसे सिस्टम में है। वे कुछ उन्नत इंटरकनेक्ट के बिना मौजूद नहीं हो सकते हैं। ”

कार्य यह है कि डेटा मूवमेंट को कम से कम कैसे किया जाए, लेकिन एक ही समय में डेटा प्रवाह को अधिकतम तब करें जब इसकी आवश्यकता हो - और किसी तरह अनावश्यक रूप से बढ़ी हुई ऊर्जा खपत के बिना स्थानीय और केंद्रीकृत प्रसंस्करण के बीच संतुलन का पता लगाएं।

"एक ओर, यह एक बैंडविड्थ की समस्या है," राजेश रामानुजम ने कहा, NetSpeed ​​Systems के उत्पाद विपणन प्रबंधक। - आप जितना संभव हो उतना ट्रैफ़िक कम करना चाहते हैं, इसलिए डेटा को प्रोसेसर के करीब स्थानांतरित करें। लेकिन अगर आपको अभी भी डेटा को स्थानांतरित करने की आवश्यकता है, तो उन्हें जितना संभव हो उतना कॉम्पैक्ट करने की सलाह दी जाती है। लेकिन कुछ भी अपने आप में मौजूद नहीं है। सब कुछ सिस्टम स्तर से योजना बनाने की जरूरत है। प्रत्येक चरण में, कई अन्योन्याश्रित कुल्हाड़ियों पर विचार किया जाना चाहिए। वे निर्धारित करते हैं कि क्या आप पढ़ने और लिखने के पारंपरिक तरीके से स्मृति का उपयोग करते हैं, या क्या आप नई तकनीकों का उपयोग करते हैं। कुछ मामलों में, आपको डेटा संग्रहीत करने के तरीके को बदलने की आवश्यकता हो सकती है। यदि आपको उच्च प्रदर्शन की आवश्यकता है, तो इसका मतलब आमतौर पर चिप के क्षेत्र में वृद्धि होती है, जो गर्मी लंपटता को प्रभावित करती है। और अब, कार्यात्मक सुरक्षा को ध्यान में रखते हुए, डेटा अधिभार की अनुमति नहीं दी जा सकती है। ”

यही कारण है कि विभिन्न डेटा प्रोसेसिंग मॉड्यूल द्वारा किनारे और चैनल बैंडविड्थ पर डेटा प्रोसेसिंग पर इतना ध्यान दिया जाता है। लेकिन जैसा कि आप अलग-अलग आर्किटेक्चर विकसित करते हैं, यह बहुत अलग है कि यह डेटा प्रोसेसिंग कैसे और कहां लागू होता है।

उदाहरण के लिए, Marvell ने किनारे पर भारी कंप्यूटिंग भार को संभालने के लिए अंतर्निहित AI के साथ एक SSD नियंत्रक की शुरुआत की। SSD ड्राइव के अंदर एनालिटिक्स के लिए AI इंजन का उपयोग किया जा सकता है।

"आप सीधे हार्डवेयर में मॉडल लोड कर सकते हैं और SSD नियंत्रक पर हार्डवेयर प्रसंस्करण कर सकते हैं," मार्वेल के मुख्य इंजीनियर नेड वर्नित्सा ने कहा। - आज यह क्लाउड (होस्ट) में सर्वर बनाता है। लेकिन अगर प्रत्येक डिस्क क्लाउड पर डेटा भेजता है, तो यह बड़ी मात्रा में नेटवर्क ट्रैफ़िक बनाएगा। किनारे पर प्रसंस्करण करना बेहतर है, और मेजबान केवल एक कमांड जारी करता है, जो कि सिर्फ मेटाडेटा है। आपके पास जितनी अधिक ड्राइव होगी, उतनी अधिक प्रोसेसिंग पावर होगी। यह कम यातायात से बहुत बड़ा लाभ है। ”

यह दृष्टिकोण विशेष रूप से दिलचस्प है कि यह आवेदन के आधार पर विभिन्न डेटा के लिए अनुकूल है। तो, मेजबान एक कार्य उत्पन्न कर सकता है और इसे प्रसंस्करण के लिए भंडारण उपकरण में भेज सकता है, जिसके बाद केवल मेटाडेटा या गणना परिणाम वापस भेजे जाते हैं। एक अन्य परिदृश्य में, एक स्टोरेज डिवाइस डेटा को स्टोर कर सकता है, इसे प्री-प्रोसेस कर सकता है और मेटाडेटा, टैग्स और इंडेक्स जेनरेट कर सकता है, जो कि तब होस्ट द्वारा आगे के विश्लेषण के लिए आवश्यकतानुसार पुनर्प्राप्त किए जाते हैं।

यह संभावित विकल्पों में से एक है। और भी हैं। सैमसंग के रूपाली ने मुहावरों के प्रसंस्करण और विलय के महत्व पर जोर दिया जो दो निर्देशों को डिकोड कर सकते हैं और उन्हें एक ऑपरेशन में जोड़ सकते हैं।

AI नियंत्रण और अनुकूलन से संबंधित है

सभी अनुकूलन स्तरों पर, आर्टिफिशियल इंटेलिजेंस का उपयोग किया जाता है - यह चिप वास्तुकला में वास्तव में नए तत्वों में से एक है। ऑपरेटिंग सिस्टम और मिडलवेयर को फ़ंक्शन प्रबंधित करने की अनुमति देने के बजाय, यह मॉनिटरिंग फ़ंक्शन चिप के बीच, और सिस्टम स्तर पर वितरित किया जाता है। कुछ मामलों में, हार्डवेयर तंत्रिका नेटवर्क पेश किए जाते हैं।

मार्केटिंग के उपाध्यक्ष माइक गिलफान्या कहते हैं, '' इस बिंदु को एक साथ पैक करने के लिए इतना नहीं है, बल्कि पारंपरिक वास्तुकला को बदलना है। - एआई और मशीन लर्निंग की मदद से, आप सिस्टम में तत्वों को वितरित कर सकते हैं, पूर्वानुमान के साथ अधिक कुशल प्रसंस्करण प्राप्त कर सकते हैं। या आप सिस्टम में या मॉड्यूल में स्वतंत्र रूप से कार्य करने वाले अलग-अलग चिप्स का उपयोग कर सकते हैं। "

एआरएम ने अपनी पहली मशीन लर्निंग चिप विकसित की है, जिसे इस साल के अंत में कई बाजारों के लिए जारी करने की योजना है। "यह एक नए प्रकार का प्रोसेसर है," एआरएम के सम्मानित इंजीनियर इयान ब्रैट ने कहा। - इसमें एक बुनियादी ब्लॉक शामिल है - यह एक कंप्यूटिंग इंजन है, साथ ही एक मैक इंजन, एक डीएमए इंजन है जिसमें एक नियंत्रण मॉड्यूल और एक प्रसारण नेटवर्क है। कुल मिलाकर, 7 एनएम प्रक्रिया प्रौद्योगिकी का उपयोग करके 16 कंप्यूटिंग कोर बनाए गए हैं, जो 1Hz की आवृत्ति पर 4 TeraOps का उत्पादन करते हैं। ”

चूंकि एआरएम एक साथी पारिस्थितिकी तंत्र के साथ काम करता है, इसलिए इसकी चिप विकसित की जा रही अन्य AI / ML चिप्स की तुलना में अधिक बहुमुखी और अनुकूलन योग्य है। एक अखंड संरचना के बजाय, यह फ़ंक्शन द्वारा प्रसंस्करण को अलग करता है, इसलिए प्रत्येक कंप्यूटिंग मॉड्यूल एक अलग सुविधा मानचित्र पर काम करता है। ब्राट ने चार प्रमुख अवयवों की पहचान की: स्थैतिक नियोजन, कुशल तह, संकरा तंत्र और भविष्य के डिजाइन परिवर्तनों के लिए क्रमादेशित अनुकूलन।


अंजीर। 2. एआरएम प्रोसेसर एमएल आर्किटेक्चर। स्रोत: एआरएम / हॉट चिप्स

इस बीच, एनवीडिया ने एक अलग रणनीति का चयन किया: छवि और वीडियो प्रसंस्करण का अनुकूलन करने के लिए GPU के बगल में एक समर्पित गहरा सीखने का इंजन बनाना।

निष्कर्ष

इनमें से कुछ या सभी दृष्टिकोणों का उपयोग करते हुए, चिप निर्माता ऊर्जा डेटा के तंग ढांचे के भीतर रहते हुए, विस्फोटक डेटा वृद्धि के साथ रहते हुए, हर जोड़े को दोगुना प्रदर्शन करने की उम्मीद करते हैं। लेकिन यह सिर्फ अधिक कंप्यूटिंग नहीं है। यह चिप और सिस्टम डिज़ाइन प्लेटफ़ॉर्म में एक बदलाव है, जब हार्डवेयर और सॉफ़्टवेयर सीमाओं के बजाय बढ़ती डेटा मात्रा, मुख्य कारक बन जाती है।

Synopsys के चेयरमैन और मुख्य कार्यकारी अधिकारी, आर डे देस ने कहा, "जब कंप्यूटर कंपनियों में दिखाई दिए, तो ऐसा लग रहा था कि हमारे आसपास की दुनिया में तेजी आई है।" - उन्होंने पुस्तकों के ढेर के साथ कागज के टुकड़ों पर लेखांकन किया। एलईडी और कंप्यूटिंग के लिए एलईडी कार्ड पंच कार्ड के ढेर में बदल गया है। एक जबरदस्त परिवर्तन हुआ है, और हम इसे फिर से देखते हैं। मानसिक रूप से सरल कंप्यूटिंग कंप्यूटर के आगमन के साथ, कार्यों का एल्गोरिथ्म नहीं बदला है: आप हर कदम का पता लगा सकते हैं। लेकिन अब कुछ और हो रहा है जिससे नई तेजी आ सकती है। कृषि क्षेत्र में पानी को शामिल करना और एक निश्चित दिन में एक निश्चित प्रकार के उर्वरक को लागू करना पसंद है, जब तापमान वांछित स्तर तक पहुंच जाता है। मशीन लर्निंग का यह उपयोग एक अनुकूलन है जो अतीत में स्पष्ट नहीं था। ”

वह इस आकलन में अकेले नहीं हैं। सीमेंस बिजनेस के मेंटर के अध्यक्ष और सीईओ वैली रेंस ने कहा, "नए आर्किटेक्चर को अपनाया जाएगा।" - उन्हें डिजाइन किया जाएगा। मशीन लर्निंग का उपयोग कई या अधिकांश मामलों में किया जाएगा, क्योंकि आपका मस्तिष्क अपने स्वयं के अनुभव से सीखता है। मैंने 20 या अधिक कंपनियों का दौरा किया जो एक प्रकार या किसी अन्य के विशेष AI प्रोसेसर विकसित करते हैं, और उनमें से प्रत्येक का अपना छोटा आला है। लेकिन आप तेजी से विशिष्ट अनुप्रयोगों में उनके आवेदन को देखेंगे, और वे पारंपरिक वॉन न्यूमैन वास्तुकला के पूरक होंगे। न्यूरोमोर्फिक कंप्यूटिंग मुख्यधारा बन जाएगी। यह कंप्यूटिंग दक्षता और लागत में कमी का एक बड़ा कदम है। मोबाइल उपकरण और सेंसर उस काम को करना शुरू कर देंगे जो आज सर्वर करते हैं। ”