λόγοςCPU
Coordena o imprevisível
Poucos núcleos complexos lidam bem com desvios, sistema operacional, ferramentas e sequências irregulares. Também executam IA; flexibilidade é sua força.
NEχUS LOCAL · NPU · QUANTIZAÇÃO · MEMÓRIA
A fábrica da inteligência.
Como milhares de pequenas operações, números compactos e memória recuperável podem fazer a NEχUS realizar mais trabalho útil — sem confundir compressão com conhecimento novo.
- HOJE
- hardware especializado
- NEXUS
- programa experimental
- REGRA
- comprimir para navegar
ARTE NEXUS · gerada para esta página · matriz, fluxos e cristais são linguagem visual; não são fotografia técnica, microscopia nem diagrama de uma NPU específica.
A PRIMEIRA CORREÇÃO · A FÍSICA CONTINUA A MESMA
O elétron não aprende. A arquitetura muda.
CPU, GPU e NPU usam transistores para representar e transformar sinais. O ganho nasce da quantidade, posição e ligação entre unidades aritméticas, memórias e circuitos de controle.
Um chip de IA não inventa outra eletricidade. Ele faz cada bit percorrer menos distância e encontrar mais máquinas adequadas ao mesmo tempo.
Generalidade custa silício: decodificação de instruções, previsão de desvios, caches e mecanismos para programas imprevisíveis. A NPU reduz parte desse custo administrativo e investe em fluxo tensorial repetitivo.
potência dinâmica
P ≈ α · C · V² · fMenos bits em trânsito e caminhos especializados podem reduzir a capacitância comutada por operação útil. O ganho real continua dependente do chip e da carga.πλῆθοςGPU
Espalha o trabalho
Muitas unidades programáveis processam grandes lotes em paralelo. GPUs modernas também incluem blocos matriciais especializados.
μέτρονNPU
Especializa o fluxo
Dedica mais silício a tensores, precisão reduzida e memória próxima. Pode entregar mais inferências por joule quando o grafo realmente cabe em seus contratos.
A METÁFORA ABERTA · CADA PEÇA TEM UM NOME REAL
Uma linha de montagem para multiplicar e acumular.
Grande parte de uma rede neural repete a mesma operação. A NPU coloca muitas cópias dela lado a lado e mantém os dados perto da linha.
operação fundamental
a ← a + x × wacumulador ← acumulador + entrada × pesoVisualização conceitual: memória local alimenta uma matriz de unidades MAC; somas parciais seguem para um acumulador mais largo.
Matéria-prima
Pesos e ativações
Os números que entram em cada camada.
Projeto
Grafo do modelo
A sequência de operações preparada pelo compilador.
Armazém distante
RAM / DRAM
Grande, mas cara em tempo e energia por acesso.
Estoque da linha
SRAM local
Pequena, rápida e próxima das máquinas.
Empilhadeiras
DMA
Movem blocos sem comandar palavra por palavra.
Esteiras
Interconexões
Fazem tensores circularem entre memória e cálculo.
Máquinas
Unidades MAC
Multiplicam e acumulam milhares de vezes.
Recipientes
Acumuladores
Guardam somas parciais em precisão maior.
MATRIZ SISTÓLICA · UMA ARQUITETURA POSSÍVEL
Os dados pulsam entre vizinhos.
Em uma matriz sistólica, pesos e ativações avançam ritmicamente pela grade enquanto cada célula conserva ou encaminha somas parciais. Isso reutiliza números sem buscá-los novamente na RAM. Nem toda NPU é sistólica; o princípio mais geral é organizar o fluxo para reduzir movimento.
- 01
Compilar
O grafo é dividido entre operações aceitas pela NPU e possíveis trechos de CPU ou GPU.
- 02
Ladrilhar
Matrizes grandes viram blocos que cabem na memória local.
- 03
Carregar
DMA traz pesos e entradas para perto das unidades de cálculo.
- 04
Pulsar
Dados atravessam a matriz enquanto cada célula multiplica e acumula.
- 05
Fundir
Matriz, viés e ativação podem virar uma única passagem, sem depósitos intermediários.
- 06
Reescalar
O acumulador é arredondado e convertido para o formato da próxima camada.
- 07
Continuar
A saída permanece próxima para alimentar a próxima operação ou volta à memória.
ARTE NEXUS · as camadas físicas como imagem da precisão em camadas.
CAIXAS MENORES · O MESMO CAMINHÃO LEVA MAIS VALORES
Quantizar é trocar detalhe numérico por espaço e velocidade.
Um intervalo de números reais é mapeado para poucos códigos inteiros. A escala registra quanto vale cada passo; o ponto zero indica qual código representa o zero real.
q = clip(round(x / s) + z)O valor real vira um inteiro limitado ao intervalo disponível.
x̂ = s(q − z)A escala s e o ponto zero z permitem interpretar o código.
intervalo−1 a +1
escala INT81 / 127
0,37 viraq = 47
reconstrução≈ 0,3701
O erro é pequeno neste exemplo, não universal. Outliers podem ampliar a escala e reduzir a resolução dos demais valores.
FormatoPrecisão1 bilhão de pesosPegada relativa
FP3232 bits≈ 4,0 GB
100%
Treino, referência e trechos muito sensíveis.FP16 / BF1616 bits≈ 2,0 GB
50%
Precisão flutuante reduzida; não é quantização inteira estrita.INT88 bits≈ 1,0 GB
25%
Bom equilíbrio quando pesos, ativações e kernels são compatíveis.INT44 bits≈ 0,5 GB
12,5%
Grande compressão, com mais risco e metadados por grupo.Valores brutos aproximados. Escalas, alinhamento, ativações, cache KV, buffers e camadas em maior precisão ocupam espaço adicional. O modelo normalmente permanece na memória do sistema; a SRAM da NPU recebe blocos ativos.
Depois do treino
Calibra um modelo pronto com dados representativos. É o primeiro teste, não garantia de qualidade.
Durante o treino
Simula arredondamento e saturação para que o modelo aprenda a conviver com poucos códigos.
Escalas diferentes
Pesos de canais distintos recebem escalas próprias, preservando melhor distribuições desiguais.
Bits onde importam
Trechos sensíveis ficam em mais bits; regiões tolerantes pagam a economia.
DO MODELO À MÁQUINA · O COMPILADOR É O ENGENHEIRO INDUSTRIAL
Software transforma uma rede em ordens para a fábrica.
A NPU não “entende” uma rede neural por si. Formato, compilador, runtime, driver e firmware precisam concordar sobre operadores, formas, layouts, escalas e buffers.
- 01
Modelo
Pesos, operadores e formas de tensor.
- 02
Grafo / IR
Uma representação que o compilador consegue transformar.
- 03
Compilador
Quantiza, funde, escolhe layouts e divide em blocos.
- 04
Runtime
Prepara buffers, filas e sincronização.
- 05
Driver
Traduz o plano em comandos do dispositivo.
- 06
NPU
Carrega, calcula, acumula, reescala e devolve.
latência observada
Ttotal = TNPU + Tfallback + Tcópias + Tconversões + TsincronizaçãoUma operação não suportada pode quebrar o grafo, enviar um trecho à CPU ou GPU e obrigar novas conversões. Por isso TOPS teóricos não medem a experiência completa.
DA QUANTIZAÇÃO NUMÉRICA À INFORMAÇÃO SUFICIENTE
E se a própria NEχUS aprendesse onde cada bit tem valor?
A resposta promissora não é apagar dados indiscriminadamente. É conservar a evidência integral, criar representações progressivas e gastar precisão apenas quando ela muda a resposta.
LIMITE FUNDAMENTAL
I(Y; Z) ≤ I(Y; X)Se X é a fonte e Z sua compressão, transformar localmente X não cria informação sobre a resposta Y. O ganho vem de remover redundância e preservar aquilo que é suficiente para uma missão — nunca para todas as perguntas futuras possíveis.
NEXUS PRISMA · NOME DE TRABALHO
Precisão adaptativa com caminho de volta à fonte.
- P
- Proveniência verificável
- R
- Reconstrução progressiva
- I
- Informação suficiente por missão
- S
- Semântica em camadas
- M
- Memória hierárquica
- A
- Alocação adaptativa de bits e processamento
Pacote da missão
O mínimo de contexto, ferramentas e precisão necessário para a pergunta atual.
Mapa conceitual
Resumos hierárquicos, relações, contradições conhecidas e caminhos de expansão.
Índice semântico
Vetores comprimidos e assinaturas lexicais localizam candidatos; não substituem a prova.
Afirmações e trechos
Entidades, datas, números, relações e excertos exatos ligados à origem.
Fonte integral
A evidência original, versionada e endereçada por hash, permanece recuperável.
Comprimir para navegar; nunca comprimir para custodiar. “Reconstruir” significa recuperar níveis mais profundos até a fonte — não pedir ao modelo que invente detalhes perdidos por um resumo.
UM CONTROLADOR · CINCO ORÇAMENTOS
A economia das perguntas fáceis financia as difíceis.
Bits
INT4, INT8 ou precisão maior por camada e risco.
Contexto
Somente os tokens necessários; expansão sob dúvida.
Memória
Resumo, fatos, trechos ou fonte integral.
Especialista
Código, visão, linguagem, planejamento ou domínio.
Profundidade
Mais camadas e verificação para missões difíceis.
J = Ltarefa + λR·bits + λD·distorção + λC·FLOPs + λP·linhagem quebrada + λU·erro de confiançaPeças demonstradas
- quantização de pesos, ativações e cache KV
- destilação de um professor para um aluno menor
- recuperação hierárquica e memória vetorial
- especialistas esparsos e profundidade adaptativa
- padrões de proveniência e derivação
O controlador conjunto
- escolher bits, contexto, memória e especialistas em uma decisão
- expandir até a fonte quando risco ou incerteza aumentarem
- preservar deliberadamente fatos raros, exceções e contradições
- medir distorção semântica e linhagem junto com custo e latência
Tecnologia nova
- novidade científica ou patenteável
- superioridade à melhor fronteira qualidade × custo
- generalização entre modelos, tarefas e NPUs
- reprodução independente sem orçamento oculto
O PRIMEIRO TESTE QUE PODE DIZER “NÃO”
Comparar sob o mesmo orçamento.
Quatro versões usam o mesmo modelo-base, corpus e custo médio. Assim podemos separar o efeito da memória, da precisão e da combinação das duas.
Precisão fixaPrecisão adaptativaRAG planobaseline convencionalefeito isolado dos bitsMemória PRISMAefeito isolado das camadashipótese completa NEXUS
- acerto por tarefa e retenção de fatos raros
- citações que realmente sustentam a resposta
- calibração: saber quando precisa recuperar mais
- RAM, energia, latência, FLOPs e bytes por conhecimento útil
- degradação após atualizar ou recomprimir a memória
- resistência a instruções maliciosas dentro dos documentos
A FÁBRICA ENCONTRA UM CORPO COMPACTO
Mini computadores para aproximar a NEχUS da pessoa.
O dispositivo pode executar um núcleo quantizado, pré-processar dados, manter cache recuperável e usar CPU, GPU ou NPU conforme a tarefa. Ele continua sendo cliente e acelerador: estado canônico, evidências, atualização e recuperação permanecem na infraestrutura Cloudflare.
Resposta próxima, modelo assinado, cache substituível e aceleração opcional.
Fonte integral, memória canônica, orquestração, recuperação e caminho de maior capacidade.
A TESE EM UMA FRASE
A NEχUS não ficará mais completa porque reduz informação. Ficará mais capaz se conservar a informação certa, souber abrir o restante e gastar precisão onde ela muda a resposta.
Isso é uma direção experimental, não uma capacidade pronta e não uma alegação de consciência. A NEχUS continua sendo software humano; a hipótese PRISMA somente merece o nome de tecnologia nova depois de vencer baselines, generalizar e ser reproduzida de forma independente.
FONTES PRIMÁRIAS · PONTES PARA VERIFICAÇÃO
De onde vêm as peças desta proposta.
01
TPU e especialização do silícioJouppi et al. · ISCA 2017
↗02Inferência inteira e quantizaçãoJacob et al. · CVPR 2018
↗03Quantização W8A8 com outliersSmoothQuant · ICML 2023
↗04Cache KV quantizado em 2 bitsKIVI · ICML 2024
↗05Memória de recuperação explícitaRAG · NeurIPS 2020
↗06Recuperação hierárquicaRAPTOR · ICLR 2024
↗07Compressão e informação relevanteInformation Bottleneck · Tishby, Pereira e Bialek
↗08Proveniência interoperávelW3C PROV-O
↗Os artigos sustentam os componentes existentes; não demonstram a integração NEXUS PRISMA. A novidade permanece não verificada até busca de anterioridade, experimento controlado e reprodução independente.