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
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。