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
IBM首席执行官阿尔温德·克里希纳表示,公司预计通过扩大AI业务规模,到2025年底实现45亿美元的内部成本节约。IBM第二季度营收达170亿美元,同比增长8%。生成式AI业务规模已超75亿美元并持续加速增长。尽管外界担心AI业务可能冲击公司其他板块,克里希纳强调AI技术的融入使IBM产品更具竞争力,咨询业务也因客户对AI转型项目的需求而受益。
普林斯顿大学研究团队开发出"LLM经济学家"框架,首次让AI学会为虚拟社会制定税收政策。系统包含基于真实人口数据的工人AI和规划者AI两层,通过自然语言交互找到最优经济政策,甚至能模拟民主投票。实验显示AI制定的税收方案接近理论最优解,为AI参与社会治理提供了新路径。
面对日益复杂的网络威胁和混合IT环境,HPE提供全面的数据保护解决方案组合。通过网络弹性、高性能恢复和集成生态系统,HPE确保从本地到云端的全环境数据安全。解决方案涵盖HPE Alletra存储、Zerto软件、StoreOnce备份设备等产品,采用多层零信任架构,帮助企业应对勒索软件攻击、基础设施故障和合规挑战。
南开大学研究团队提出了一种新的3D高斯泼溅重光照方法,通过在高斯原语上直接编码离散化SDF值,避免了传统方法需要额外SDF网络的问题。该方法设计了投影一致性损失来约束离散SDF样本,并采用球形初始化避免局部最优。实验表明,新方法在保持高质量重光照效果的同时,仅需现有方法20%的显存,显著提升了训练和渲染效率。