返回全部动态
SmarCo GC3：RISC-V数据流架构如何破解视频生成存储墙
原标题：视频生成算力新选择：SmarCo GC3如何绕过“存储墙”这道硬门槛
AI 摘要
中科通量推出全球首款基于RISC-V数据流架构的视频智能AIGC芯片SmarCo GC3，旨在解决视频生成中的存储墙问题。该芯片采用数据流架构，通过数据依赖动态触发计算，减少数据搬运，并配置200 TOPS算力、128GB内存和128路硬解码引擎。此举为视频生成提供新算力选择，但实际效果和生态兼容性仍需验证。
以上摘要由 AI 生成，可能存在误差。事实请以原文为准。
正文节选
0 大模型生成视频，正在成为这个算力饥渴时代最典型的应用场景之一。一段由AI生成的1080P视频，背后往往是数十亿参数神经网络的反复迭代，是海量张量运算在时空维度上的密集交织，也是无数像素数据在芯片与存储之间的辗转奔袭。 对于大多数创作者而言，按下"生成"按钮之后等待渲染完成的焦虑，以及不断攀升的GPU集群账单，几乎已经成为一种常态。这场无声的算力战争背后，一个结构性的困境正在浮出水面——传统芯片架构下，算力的大头消耗在了"搬运"而非"计算"上。 存储墙：视频生成绕不开的硬约束 视频生成场景的算力特征与静态图像处理截然不同。扩散模型、视频大模型等任务不仅涉及海量张量的矩阵乘法，还涉及时序建模、多帧依赖和长序列的上下文理解。在冯·诺依曼架构的GPU上，这些运算遵循"取指-译码-执行-写回"的控制流逻辑。参数和中间特征图在显存与计算核心之间来回搬运，算完再搬回去。 问题在于，这种"搬运-计算-搬运"的模式在面对视频生成这种动辄数十亿参数、长序列帧间关系的任务时，瓶颈被无限放大。4K视频每秒近2.5亿个像素数据在芯片与显存间反复搬运，大部分能耗和延迟消耗在了搬运而非实际计算上——这正是业内常
发布时间：2026-09-03 16:26
抓取时间：2026-09-03 19:22
来源机构：雷峰网