El profesor de diseño de procesadores de IA de la TUM ya ha encargado la producción de los primeros prototipos al fabricante de semiconductores Global Foundries en Dresde. A diferencia de los chips convencionales, las unidades de cálculo y memoria del AI Pro están situadas juntas. Esto es posible gracias a que el chip aplica el principio de la «computación hiperdimensional»: esto significa que reconoce similitudes y patrones, pero no necesita millones de registros de datos para aprender.
En lugar de mostrarle innumerables imágenes de coches, como ocurre con el método de aprendizaje profundo utilizado en los chips de IA convencionales, este chip combina diversos datos, como el hecho de que un coche tiene cuatro ruedas, suele circular por la carretera y puede tener diferentes formas. Al igual que el nuevo chip, explica el profesor Amrouch, «los seres humanos también sacan conclusiones y aprenden a través de similitudes».
Una ventaja importante del pensamiento similar al del cerebro: ahorra energía. Para el entrenamiento de una tarea de muestra, el nuevo chip consumió 24 microjulios, mientras que chips comparables requirieron entre diez y cien veces más energía, «un valor récord», señala el profesor Amrouch. «Esta combinación de arquitectura de procesador moderna, especialización en algoritmos y procesamiento de datos innovador hace que el chip de IA sea algo especial».Esto también lo diferencia de los chips todoterreno, como los del gigante industrial NVIDIA. «Mientras que NVIDIA ha creado una plataforma que se basa en datos en la nube y promete resolver todos los problemas, nosotros hemos desarrollado un chip de IA que permite soluciones personalizadas. Hay un mercado enorme ahí».
Chips neuromórficos: inspirados en el cerebro humano
El chip de un milímetro cuadrado cuesta actualmente 30.000 euros. Con alrededor de 10 millones de transistores, no es tan denso ni tan potente como los chips de NVIDIA, que cuentan con 200 000 millones de transistores. Pero eso no es lo que más preocupa al profesor Amrouch. Su equipo se especializa en chips de IA que realizan el procesamiento directamente in situ, en lugar de tener que enviar los datos a la nube para que se procesen junto con millones de otros conjuntos de datos antes de volver a enviarlos. Esto ahorra tiempo y capacidad de cálculo del servidor y reduce la huella de carbono de la IA.
Los chips también se personalizan para aplicaciones específicas. «Eso los hace muy eficientes», afirma el experto en chips Amrouch. Por ejemplo, se centran en procesar la frecuencia cardíaca y otros datos vitales recopilados a través de relojes inteligentes o datos de navegación de un dron. Dado que estos datos personales y, en ocasiones, sensibles permanecen en el dispositivo, ni siquiera se plantean problemas de estabilidad de la conexión a Internet o de ciberseguridad. El experto en chips está convencido: «El futuro pertenece a quienes poseen el hardware».
Más información:
El profesor Hussam Amrouch comenzó su andadura en la TUM hace dos años. La cátedra de Diseño de Procesadores de IA se creó en el marco de la Agenda Tecnológica de Baviera. Más información: https://www.hightechagenda.de/
El profesor Hussam Amrouch también participa activamente en el Instituto de Robótica e Inteligencia Artificial de Múnich (MIRMI). Sus desarrollos en materia de chips son relevantes para la salud, el medio ambiente y el espacio. Más información sobre el MIRMI: https://www.mirmi.tum....artseite//
Publicaciones
Sandy Wasif, Paul Genssler y Hussam Amrouch. «Domain-Specific Hyperdimensional RISC-V Processor for Edge-AI Training» (Procesador RISC-V hiperdimensional específico para el entrenamiento de IA en el borde). IEEE Transactions on Circuits and Systems I: Regular Papers (2025). https://ieeexplore.iee...t/10931124
Soliman, Taha, Swetaki Chatterjee, Nellie Laleni, Franz Müller, Tobias Kirchner, Norbert Wehn, Thomas Kämpfe, Yogesh Singh Chauhan y Hussam Amrouch. «Primera demostración de una barra cruzada de computación en memoria utilizando Cell FeFET multinivel». Nature Communications 14, n.º 1 (2023): 6348. https://www.nature.com...23-42110-y
Wei-Ji Chao, Paul R. Genssler, Sandy A Wasif, Albi Mema, Hussam Amrouch, «End-to-end Hyperdimensional Computing with 24.65 µJ per Training Sample in 22 nm Technology» (Computación hiperdimensional de extremo a extremo con 24,65 µJ por muestra de entrenamiento en tecnología de 22 nm), en revisión en la European Solid-State Electronics Research Conference (ESSERC). Preimpresión disponible: https://go.tum.de/440497
