ZD至顶网服务器频道 08月27日 编译:英特尔集中了旗下所有内部和外部可汇合的网络专业人员,打造出一款坊间人士认为是多代互连结构,可扩展到任何规模的数据中心或超级计算机阵列里。该结构名为全路径架构(OPA),是在8月26的IEEE2015年度热互连研讨会(美国加利福尼亚州圣克拉拉市)上宣布的,OPA是一个开放源代码架构,专攻高性能计算(HPC )和服务器。
OPA不仅可以是使每条链路的速度达到每秒100千兆比特,而且设有全程内置纠错码(ECC),可提高链路层次上的可靠性。OPA内置高质量的服务质量(QoS)机制,允许优先级数据包抢先,以确保高级别的优先级数据包的传送在短时延内完成,而同时又确保在带宽公平性的原则下传送正常的数据包。其主机光纤接口(HFI)每秒可以处理1.6亿个消息,交换延迟低于110纳秒。英特尔表示,各方面的改进仍然保持了与现有软件生态系统的兼容性,并且还允许应用程序接口(API)下的用户层次的创新。
市场营销和产业发展主任Hugo Salem告诉记者,“每一个组件(从交换到电缆)都是由英特尔设计的,整合了英特尔自己的知识产权或是收购的知识产权,我们现在拥有一个灵活的终端到端到端连接结构蓝图,包括小集群和内部部署云。”
英特尔采用的新全路径架构(OPA),其可扩展性设计适用于商业数据中心和超级计算机
据Salem介绍,每个开关可处理48个每秒100千兆比特的信道,其可行性已经在原始设备制造商(OEM)设计中得到证明,有些OEM用到超过100000个或节点,而且这个数字还在增大。
全方位路径架构首席系统架构师Phil Murphy告诉记者,OPA的结构设计“比其他HPC结构便宜25%至40%,同时还为Infiniband提供了另一个优势,OPA可服务于数据中心,并不需要被塞到HPC环境里”。
Murphy称,英特尔已经在着手研究第二代OPA,会将主机功能整合到CPU里,并将受益于专门为HPC重新设计的协议。
第二代的目标是要在毛性能和密度方面寻取价值,无需适配卡,每块板上的的组件更少。第一代则是将Xeon Phi与多芯片封装主机结构(在第二代里将被整合成单个芯片)整合到一起。
Murphy告诉记者,“OPA将利用目前Infiniband用的API支持开放整合,无需重写代码,除非你想加速。”
Intel的 OPA还支持名为开放式光纤接口(Open Fabric Interface)的开源项目,可以很容易地扩展到数千个甚至数万个节点。
Murphy表示,“最大的区别是开源——那些与结构相关的工具,它们可以如大海捞针般地解决性能提高方面的问题。”
OPA结构的架构还引入了一个全新的1.5 I/O 传输层(1.5 I/O transport layer),1.5 I/O 传输层是英特尔收购Cray公司获得的技术,其获得可扩展性和提高性能的方法是通过优化数据包大小、但用了第二层,第二层利用16 个浮动控制数字(FLIT)和一个附加的用于纠错的14比特拆开FLIT[65位]。
Murphy表示,“另外还有一个新技术,名叫杂混(Scrambling),杂混的目的是加快结构的时钟频率,以精确地补偿CRC [循环冗余校验] 所需的数量,保持与Infiniband相同的误差率,即10的负12次方。”
利用将数据包拆成FLIT的方法,英特尔可以将高优先级的数据包置于低优先级的数据包之中,通过交织FLIT,可处理高达32个数据流,全部都可以在同一时间看到数据包。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。