RespostasPublicadohá 2 mesesLast edited há 2 meses13 fontes

Jingang GC3: como um chip RISC-V quer destravar os gargalos da IA de vídeo

O Jingang GC3, também conhecido como King Kong GC3, é apresentado como um processador especializado em vídeo, IA e AIGC, com 12 núcleos RISC V, 200 TOPS de computação INT8 e 128 GB de memória LPDDR5 ECC unificada. A arquitetura combina execução dataflow, núcleos RISC V de controle e caminhos integrados de CPU, VPU,...

Publicado porEditado com GPT-5.6 LunaImagens geradas com GPT Image 1.5

Pesquisar e verificar fatos com Studio Global AI Veja mais páginas em alta

Resposta de pesquisa

Principais conclusões

O Jingang GC3, também conhecido como King Kong GC3, é apresentado como um processador especializado em vídeo, IA e AIGC, com 12 núcleos RISC V, 200 TOPS de computação INT8 e 128 GB de memória LPDDR5 ECC unificada.
A arquitetura combina execução dataflow, núcleos RISC V de controle e caminhos integrados de CPU, VPU, GPU e NPU, mantendo o processamento de vídeo e IA mais próximo em uma única plataforma.
O objetivo é reduzir transferências de quadros, tráfego de memória e barreiras de sincronização em aplicações como análise de múltiplos streams e geração de vídeo.

Conceptual illustration of a RISC-V dataflow processor connecting video decoding, AI inference, and video generation — What is SmarCo HT Tech’s Jingang GC3, and how does its RISC-V–controlled dataflow architecture—with 12 RISC-V cores, 200 TOPS of INT8 computAI-generated editorial illustration of an integrated dataflow architecture for video AI.
Prompt de IA
Create a landscape editorial hero image for this Studio Global article: What is SmarCo HT Tech’s Jingang GC3, and how does its RISC-V–controlled dataflow architecture—with 12 RISC-V cores, 200 TOPS of INT8 comput. Article summary: Jingang (King Kong) GC3 is SmarCo HT Tech’s specialized video-AI/AIGC processor: a RISC-V–controlled dataflow chip designed to perform video decoding/encoding, understanding, and generation on one platform rather than sh. Topic tags: general, government, education, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts
openai.com

O Jingang GC3, também chamado de King Kong GC3, é apresentado como um processador especializado em vídeo, inteligência artificial e AIGC — inteligência artificial generativa aplicada à criação de conteúdo — da SmarCo HT Tech. Em vez de tratar decodificação de vídeo, inferência de IA e geração de conteúdo como tarefas separadas, executadas por dispositivos diferentes, o chip foi projetado para aproximar esses fluxos em uma arquitetura orientada a dados. As especificações divulgadas incluem 12 núcleos RISC-V, 200 TOPS de computação INT8 e 128 GB de memória LPDDR5 ECC unificada. 3 5

O ponto central, porém, não é apenas o número de TOPS. A proposta do GC3 parte da ideia de que cargas de trabalho de vídeo gastam uma parcela relevante de tempo e energia transportando quadros, dados de modelos e resultados intermediários entre processadores e memória. O motor dataflow, a memória compartilhada e os caminhos integrados de vídeo e IA foram pensados para reduzir esse deslocamento.

Por que a IA de vídeo enfrenta um problema de movimentação de dados

Em um pipeline convencional de compreensão de vídeo, o sistema decodifica o stream em quadros, transfere esses quadros para uma GPU, executa a inferência de visão computacional e depois encaminha os resultados para outras etapas. À medida que aumenta o número de streams simultâneos, transferências e sincronizações podem se tornar um gargalo tão importante quanto a própria computação. 3

A geração de vídeo traz um desafio semelhante. Sistemas baseados em difusão e Transformers trabalham com grandes parâmetros de modelo e resultados intermediários. Segundo os relatos sobre o GC3, esses conjuntos de dados intermediários podem chegar a centenas de gigabytes, tornando caras, em largura de banda, energia e tempo, as sucessivas leituras, gravações e transferências. 3

É esse problema que o GC3 tenta atacar: não apenas a falta de unidades aritméticas, mas o custo de coordenar várias etapas de uma carga de trabalho grande e altamente paralela.

O que a arquitetura do GC3 combina

Computação dataflow

Em um projeto convencional baseado em fluxo de controle, um processador ou escalonador central busca e distribui instruções, enquanto os dados percorrem diferentes níveis da hierarquia de memória. Essa abordagem é flexível, mas os relatos sobre o GC3 a descrevem como menos adequada a algumas operações regulares e massivamente paralelas de vídeo. 3

Em uma arquitetura dataflow, a computação pode avançar quando os dados necessários para determinada operação ficam disponíveis. Em princípio, isso expõe mais paralelismo e reduz esperas provocadas pelo escalonamento centralizado e pela coordenação global. Em cargas de vídeo, o benefício pretendido é manter mais etapas ativas sem concentrar repetidamente o trabalho em um único caminho de controle. 3

Isso é um objetivo arquitetural, não uma prova de ganho específico de velocidade. As fontes disponíveis não apresentam comparações independentes, de ponta a ponta, com CPUs, GPUs ou plataformas de IA de vídeo identificadas.

Núcleos RISC-V para controle

Os 12 núcleos RISC-V funcionam como a camada programável de controle do projeto divulgado. Caminhos especializados cuidam das operações de vídeo e IA, enquanto os núcleos RISC-V assumem funções de controle e escalonamento, sem exigir que uma CPU convencional gerencie todas as etapas. 3 5

Nesse arranjo, o RISC-V não é apresentado como todo o motor de computação. Ele trabalha em conjunto com o motor dataflow e com funções dedicadas de vídeo e IA, oferecendo controle programável enquanto deixa as operações de alto volume para o hardware especializado.

Memória unificada de 128 GB

O GC3 é descrito como um chip com 128 GB de memória LPDDR5 ECC unificada, compartilhada pelos caminhos de CPU, VPU, GPU e NPU. 3 5 A vantagem pretendida é diminuir a necessidade de copiar dados entre pools de memória separados para CPU e GPU.

Uma área compartilhada poderia permitir que quadros decodificados, pesos de modelos e tensores intermediários permanecessem disponíveis para diferentes blocos de processamento sem o mesmo nível de transferências entre dispositivos. A sigla ECC refere-se a um mecanismo de correção e detecção de erros na memória; pesquisas sobre processadores RISC-V também analisaram memória protegida por ECC como forma de aumentar a tolerância a falhas. 1

A memória unificada não elimina todos os limites de largura de banda. Ela altera a forma como os diferentes blocos de computação acessam os dados, mas o ganho prático dependerá da largura de banda do chip, da pilha de software, do escalonamento e da carga de trabalho.

Caminhos integrados de vídeo e IA

O projeto divulgado combina codificação e decodificação de vídeo com computação de IA na mesma plataforma. Isso cria um caminho mais direto entre a entrada do vídeo e sua análise, assim como entre o conteúdo gerado e sua codificação. 3 5

O fluxo pretendido seria:

decodificar o vídeo na própria plataforma;
manter os quadros disponíveis para o caminho de IA adequado;
executar compreensão ou geração sem atravessar repetidamente fronteiras entre dispositivos; e
codificar a saída no mesmo sistema integrado.

Isso não significa que todas as operações ocorrerão em uma única etapa indivisível. Significa que a arquitetura pretende reduzir repasses desnecessários entre processadores e sistemas de memória que, em outras configurações, seriam separados.

Como o GC3 pretende reduzir custo, consumo e latência

O possível efeito econômico do chip decorre diretamente de sua arquitetura. Se uma carga de trabalho precisar fazer menos cópias, realizar menos viagens de ida e volta à memória e executar menos sincronizações entre dispositivos, poderá gastar menos tempo e energia transportando dados em vez de processá-los. Isso pode ser útil para compreensão de vídeo em múltiplos streams, processamento local e geração de vídeo com grandes tensores intermediários. 3

Os benefícios potenciais se concentram em três áreas:

Latência: menos transferências entre decodificação, IA e codificação podem encurtar o caminho entre o quadro de entrada e o resultado.
Energia: reduzir a movimentação de dados pode diminuir o consumo associado ao acesso à memória e ao tráfego entre blocos do sistema.
Custo: uma plataforma integrada poderia reduzir a infraestrutura e a sobrecarga operacional necessárias para coordenar vários dispositivos especializados.

Esses são objetivos arquiteturais e alegações presentes nos relatos disponíveis, não resultados verificados de forma independente. As fontes fornecem as principais especificações e a justificativa do projeto, mas não comprovam uma redução mensurada em dólares por vídeo, watts por stream ou milissegundos de latência de ponta a ponta.

O que as especificações mostram — e o que não mostram

Os 200 TOPS informados representam a capacidade de computação de IA em INT8, não uma garantia de desempenho em aplicações reais. A vazão efetiva em vídeo também dependerá da compatibilidade com os modelos, da precisão utilizada, da largura de banda da memória, do compilador, do suporte do runtime, dos formatos de vídeo, do tamanho dos lotes, do número de streams e da eficiência do escalonador dataflow.

Da mesma forma, 128 GB de memória unificada podem ajudar a acomodar modelos grandes e dados intermediários, mas a capacidade, sozinha, não demonstra que um determinado modelo de geração de vídeo funcionará de maneira eficiente. O suporte de software e o tráfego real de memória continuam sendo fatores decisivos.

Em resumo

O Jingang GC3 pode ser entendido como uma tentativa especializada de redesenhar o processamento de IA de vídeo em torno da localidade dos dados. A combinação divulgada de execução dataflow, núcleos RISC-V de controle, caminhos integrados de CPU, VPU, GPU e NPU e 128 GB de memória unificada busca enfrentar as transferências e barreiras de sincronização que podem limitar pipelines convencionais baseados em CPU e GPU. 3 5

Se hardware e software funcionarem como planejado, a arquitetura poderá tornar mais eficiente a compreensão de múltiplos streams e a geração de vídeo. Por enquanto, porém, a conclusão mais segura é que o GC3 apresenta uma estratégia arquitetural plausível e um conjunto de especificações divulgadas pelo fabricante — não uma prova independente de menor custo, consumo de energia ou latência.

Studio Global AI

Continue sua pesquisa

Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.

Pesquisar e verificar fatos com Studio Global AI

As pessoas também perguntam

Qual é a resposta curta para "Jingang GC3: como um chip RISC-V quer destravar os gargalos da IA de vídeo"?

Quais são os pontos-chave para validar primeiro?

O que devo fazer a seguir na prática?

O objetivo é reduzir transferências de quadros, tráfego de memória e barreiras de sincronização em aplicações como análise de múltiplos streams e geração de vídeo.

Fontes