ZDNet至顶网服务器频道 05月07日 编译: 在我们的印象中,一家专门依靠计算核心研发许可获取收益并拓展市场的厂商似乎根本不可能放出“八核心智能手机芯片根本没有存在的必要”这种言论——但实际情况令人大跌眼镜,ARM公司移动解决方案负责人James Bruce在上周的ARM技术日活动中亲口向与会者传达了这一观点。
“对于智能手机平台来说,想在实际程序用例当中充分发挥八核心芯片的性能实力远比在基准测试环境下困难得多,”Bruce指出。“但需要同时强调的是,没错,八核心在推广过程中确实能够引发‘市场效应’,但这主要是由于一部分用户对于数字八的偏爱。”
当然,这种对于数字八的追捧主要表现在中国市场上,在这里八以幸运数字的姿态受到广大普通民众的喜爱。
“我们确实拥有能跟幸运数字挂钩的核心设计方案,”Bruce表示。
他所指的配置方案正是ARM的big.LITTLE芯片,其中四个性能较强的核心与其它四个性能较弱的核心搭配起来,高性能核心负责处理事务密集型任务、而低性能核心则打理强度较低的任务——Exynos 5 Octa处理器就是此类设计的典型代表。它将四个ARM Cortex-A15核心与四个Cortex-A7核心加以匹配,目前该系列处理器已经登陆三星Galaxy S4、S5以及Note 3等多个产品线的特定几款机型。
在运行将网络浏览与MP3同步播放相结合的智能手机基准测试时,Bruce表示“大家看到的运作方式是,‘big’核心只会被偶尔激活并进行任务处理,大部分工作负载都由‘LITTLE’核心负责完成。”
他解释称,总体来说全部核心在约75%的时间里都处于休眠或者待机状态,而只有一个核心处于活跃状态所占的时间比例大约为20%。
“如果大家转而使用六核心配置方案——或者两个‘big’核心配合‘LITTLE’核心——那么实际使用体验几乎不会受到任何影响,”他进一步作出说明。“但这却有助于节约原本被额外两个计算核心所占用的物理空间。”
压缩芯片面积就意味着降低生产成本,特别是对于即将普及的16纳米FinFET先进制程工艺来说,单位面积的成本变得愈发高昂。“从系统芯片合作伙伴的角度出发,芯片方案每一毫米的面积变化显然都会给最终生产成本带来巨大影响,”他指出,同时补充称“能够有效降低芯片尺寸以及相关部件数量的任何方案都值得尝试。”
在智能手机当中,Bruce表示几乎没有哪种软件实例能够真正用到八核心big.LITTLE配置方案中四个高性能核心所提供的全部四个线程。“对于大多数智能手机工作负载而言,”他解释道,“六核心配置已经完全能够满足性能需求。”
就目前来看,惟一一款配备两个big核心与四个LITTLE核心的移动系统芯片方案出现在三星的Galaxy Note 3 Neo上,Bruce指出——该处理器采用一块双核心1.7GHz Cortex A15与一块四核心1.3GHz Cortex-A7的组合方式。
不过尽管六核心可能是最适合智能手机的设计方案,但Bruce提醒道不少ARM合作伙伴也在构建一些同时被用在智能手机与平板设备上的系统芯片,而且“相对于智能手机的设计思路,平板设备在设计上会更多考虑多任务处理所必需的性能要求。”有鉴于此,高性能Cortex-A15处理器上的每一个核心拥有更多运算任务需要完成。
目前正有越来越多合作伙伴为平板设备打造备受中国用户喜爱的八核心系统芯片——更准确地讲,这类合作伙伴所占比例正迅速上升。“根据2013年的市场调查,我们发现全球各价位平板设备的出货总量大约为2.5亿台,”Bruce指出。“其中最有趣的部分是,在这2.5亿台平板设备中、有1亿台采用的是由中国系统芯片合作伙伴设计的芯片产品。”
由中国系统芯片厂商负责芯片供应的ARM平板设备正处于销量爆发态势之中,相比之下x86笔记本的发展态势则不容乐观
平板设备不仅仅改变了计算业界的发展前景,他解释道,同时也给亚洲地区的供应链带来了巨大震动。“如果大家曾经留心过,就会发现两三年前还处于中国制造、中国销售的态势如今已经被彻底颠覆,”他指出——如今以全志、瑞芯微以及晶晨为代表的历史相对较短的中国企业已经开始向全球市场输出大量系统芯片。
不过中国市场对于八核心芯片的偏爱是否会随着中国厂商出货量的增长而对全球业务环境造成影响呢?或者这些系统芯片供应商能够充分利用六核心最适方案所带来的成本效益优势?
“这其实是个客户认知的问题,”Bruce总结道。“对于中国以外的市场,到底是八核心方案更理想、还是六核心方案更受欢迎?我实在给不出确切的答案。”
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。