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
亚马逊在CES期间宣布推出Alexa.com网站,用户可像使用其他AI聊天机器人一样与Alexa交互。经过数月早期体验,Alexa+已获得数千万用户。新网站支持语音和文本交互,需登录使用以确保跨设备功能连续性。76%的Alexa+交互为独特任务,包括智能家居控制和第三方集成。Alexa+兼容七年来的设备,正式版将收费每月20美元或包含在Prime会员中。
SimWorld是由UCSD等多所顶尖院校联合开发的革命性AI仿真平台,基于虚幻引擎5构建了具备真实物理规律的虚拟城市环境。该平台支持无限扩展的程序化世界生成和自然语言交互,让AI智能体能够在复杂环境中学会生存、合作和竞争,为通用人工智能的发展提供了前所未有的训练平台。
AI笔记公司Plaud在CES 2026推出新款可穿戴设备NotePin S,可夹在衣领、戴在手腕或挂在脖子上记录对话。该设备通过蓝牙连接手机,配备双麦克风,录制范围约3米,支持一键高亮标记重要时刻。同时发布的还有Plaud Desktop桌面AI记录工具,可原生捕获线上会议内容,无需机器人加入通话。两款产品将所有笔记、会议和对话整合到统一平台管理。
浙江大学联合华为提出C2DLM,这是一种因果概念引导的扩散语言模型,通过自动提取因果关系并融入注意力机制来增强AI推理能力。相比传统方法,C2DLM在推理任务上平均提升1.31%-12%,训练效率提高3.2倍,为解决语言模型推理能力不足开辟了新路径。