KAIST研究团队开发出推荐速度比英伟达快2.1倍、延迟更低且功耗更小的AI半导体技术“AutoGNN”,受到关注。
KAIST 5日表示,电气与电子工程学院郑明洙教授研究团队在世界上首次开发出可大幅提升基于图神经网络的人工智能推理速度的AI半导体技术“AutoGNN”。
研究团队查明,服务延迟的主要原因在于人工智能推理之前的图预处理(Graph Preprocessing)过程。该过程占整体计算时间的70%~90%,但现有GPU在整理复杂关系结构的运算上存在局限,一直出现瓶颈现象。
为解决这一问题,研究团队设计了根据输入数据结构实时改变半导体内部电路的自适应AI加速器技术。即半导体根据待分析数据的连接方式,自行变为最高效的结构。
研究团队在半导体内部实现了只筛选所需数据的UPE模块和对其快速整理、汇总的SCR模块。当数据的数量或形态发生变化时,会自动应用与之匹配的最优模块配置,从而在任何情况下都能保持稳定性能。
性能评估结果显示,AutoGNN相比英伟达高性能GPU(RTX 3090)处理速度快2.1倍,相比普通CPU性能快9倍,同时能耗降低3.3倍,展现出高效率。
该技术可立即应用于推荐系统或金融欺诈检测等需要复杂关系分析和快速响应的人工智能服务。业界评价认为,通过掌握可根据数据结构自我优化的AI半导体技术,为今后同时提升处理大规模数据的智能服务速度和能源效率奠定了基础。
郑明洙教授表示:“本次研究实现了能有效处理不规则数据结构的灵活硬件系统,意义重大。”他还称:“该技术将应用于推荐系统以及金融、安全等需要实时分析的多种AI领域。”
本次研究成果于2月4日在自2026年1月31日起在澳大利亚悉尼举行的计算机体系结构领域最高水平国际学术会议——第32届“IEEE International Symposium on High-Performance Computer Architecture(HPCA 2026)”上发表。






