ZDNet至顶网服务器频道 12月05日 新闻消息:近日英特尔公司披露了多项全新的增强型技术,进一步巩固其在高性能计算(HPC)领域的领导地位。这些技术包括披露了未来的新一代的英特尔至强融核处理器(代号 Knights Hill),以及英特尔Omni-Path架构——一种针对HPC部署而优化的全新高速互连技术的架构及性能细节。
英特尔还发布了新的软件及合作计划,旨在帮助HPC社区更为轻松地释放现有及未来英特尔行业标准硬件的全部性能潜力。这些全新的HPC构建模块及行业合作计划,必将形成合力,解决实现极致可扩展能力和HPC迈入主流应用带来的双重挑战,同时为经济高效地实现百亿亿级(Exascale)计算奠定坚实基础。
英特尔宣布,其未来的第三代英特尔至强融核产品家族(代号 Knights Hill)将使用英特尔的10纳米制程工艺技术进行制造,并集成英特尔Omni-Path Fabric互连技术。Knights Hill将在即将上市的Knights Landing产品之后问世,而首批基于Knights Landing的商用系统预计将于明年开始出货。
针对英特尔至强融核处理器的行业投资仍在持续增长,预计将有超过50家供应商提供基于Knights Landing处理器的系统,而更多系统将使用该产品的协处理器PCIe卡版本。迄今为止,客户购买的Knights Landing处理器所支持系统的计算速度已超过了100 PFLOPS。
最近备受瞩目的基于Knights Landing的系统包括:Trinity超级计算机,它是美国洛斯阿拉莫斯国家实验室和桑迪亚国家实验室的合作结晶;Cori超级计算机,来自美国能源部(DOE)国家能源研究科学计算中心(NERSC)。此外,专注地球科学的公司DownUnder GeoSolutions最近宣布了现阶段英特尔至强融核协处理器的最大规模商用部署计划;国家超级计算中心IT4Innovations 也公布了一台全新的超级计算机,它将成为欧洲基于英特尔至强融核协处理器的最大集群。
英特尔公司透露:英特尔Omni-Path架构预计可提供100 Gbps的线路速率,而且在中大型集群中,能够实现比InfiniBand架构最多减少56%的交换机连接延迟。英特尔Omni-Path架构将使用一个48端口的交换机芯片,可提供比当前36端口InfiniBand架构更高的端口密度和系统扩展能力。它通过为每个交换机芯片提供多出33%的节点,预计将能减少所需交换机的数量,从而简化系统设计,全方位降低基础设施成本。系统扩展优势预计将包括:
提供1.3倍于Infiniband的端口密度,从而使较小集群从单交换机投资中获取最大效益。
相比基于InfiniBand的中大型类似集群,将交换机使用数量减少了多达50%。
采用双层结构配置,相比基于InfiniBand的集群,其相同数量的交换机可实现高达2.3倍的扩展性能,从而能够更经济高效地对基于特大规模集群系统进行扩展。
英特尔还启动了英特尔Fabric Builders计划,旨在为基于英特尔Omni-Path 架构解决方案的发展营造生态系统。此外,英特尔还透露了英特尔并行计算中心(IPCC)的扩展计划,目前已有超过40个中心分布在13个国家和地区,它们将协力为超过70个最流行的HPC社区代码进行现代化升级。
为扩展其 Lustre软件功能,英特尔发布了Lustre英特尔企业版v2.2和Lustre英特尔基版。目前在新设备中使用Lustre软件的增强型英特尔 解决方案的新设备的厂商已有戴尔、DataDirect Networks和Dot Hill 。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。