问大规模并行应用:非向量IA应用的几个8位内核如何？

EN

我在想(哦，天哪，它一开始就很糟糕)关于神经元网络，以及为什么不可能模拟那些，因为它们需要同时进行许多原子操作(这里的意思是同时进行)，因为这就是神经元的速度:它们要计算的东西很多。

由于我们的处理器是32位的，所以它们可以计算更大的带宽(意味着许多不同的原子序数，是浮点或整数)，频率竞赛也结束了，制造商开始发货多核处理器，要求开发人员在他们的应用程序中实现多线程。

我还在思考计算机和大脑之间最重要的区别；大脑使用大量神经元，而计算机使用高频率的精确度:这就是为什么用当前的处理器模型来模拟实时AI似乎更难或不可能。

由于32位/64位芯片也需要大量的晶体管，而且AI不需要矢量/浮点精度，那么在单个处理器上拥有更多的8位内核是不是一个好主意，比如100或1000，因为它们占用的空间要小得多(我不在intel或AMD工作，所以我不知道他们是如何设计处理器的，这只是一个胡乱猜测)，为这些类型的AI模拟做计划？

我不认为它只会服务于AI研究，因为我不知道webservers如何真正利用64位处理器(字符串使用8位)，Xeon处理器只是考虑到它们的缓存大小而不同。