ZD至顶网服务器频道 11月18日 编译:在过去的五十年里,摩尔定律一直表现得良好。这条定律是由英特尔的创始人戈登.摩尔在1965年提出的,摩尔定律指出处理器的处理能力总体上每年翻一番。在1975年,这个时间周期被修正为两年。
但是在今年的七月份,英特尔的首席执行官Brian Krzanich在财报电话会议中透露,由于引入了14纳米技术,“我们现在的节奏更接近于两年半,而不是两年。”他表示该公司正在想法设法回到摩尔定律两年处理能力翻一番的轨道上来。
是否太乐观?
IBM的研究员兼OpenPOWER 总裁Brad McCredie表示,根据IBM内部的研究,摩尔定律节奏放缓的程度甚至更大,也就是说我们每三年大约能够看到处理能力出现1.2-1.4左右的增长。“在过去三十年中技术前进的脚步现在已经放缓下来了”,他是在德克萨斯州举办的SC’15大会中的一次新闻发布会上做出这样的表示的。
这是一个问题,特别是在组织从“程序驱动时代的计算向认知时代计算转变之际”。
但是IBM认为它有办法帮助客户摆脱摩尔定律:硬件加速。McCredie表示,“加速计算才是未来。”他表示,“但是要想让它走出高性能计算的领域并进入通用计算的世界,我们还有几件事情要做。”
针对数据中心的FPGA加速器
所以,今天,该公司宣布将同FPGA芯片设计商Xilinx进行“为期数年的战略协作”。两家公司将联起手来,通过OpenPOWER Foundation致力于找到更好的方法处理机器学习、网络功能虚拟化(NFV)、基因、高性能计算和大数据分析等应用程序。
IBM的开发人员将针对OpenStack、Docker和Spark建立解决方案堆栈,结合了基于POWER的服务器,并具备Xilinx FPGA加速器。
McCredie还宣布该公司将把POWER 8芯片同Nvidia Tesla K80 GPUs结合在一起,使用NVIDIA的高速NVLINK互联。两家OEM——Penguin Computing和E4 Engineering将会把基于OpenPOWER设计理念的系统推向市场。
在迎接2016年的过程中,Mellanox更快的、所谓的智能网络交换机被低调地命名为Switch-IB 2。它通过处理器的Coherent Accelerator Processor Interface(CAPI)连接POWER 8系统。
IBM已经对于POWER 8/ Tesla GPU/ Mellanox已经有了参考客户:位于德克萨斯州休斯顿的贝勒大学。上个月,一组研究人员因为一些“突破性的基因研究”赢得了很多喝彩。他们使用POWER8系统完成了对硬件来说非常繁重的工作。
IBM已经将OPENPower Foundation建成了一个具有160多家成员的庞大联盟。它很容易被描述为“非英特尔”联盟。但是IBM+NVIDIA+Mellanox是一个非常强大的组合。谷歌当然是OpenPOWER的大拥趸。这对于企业来说不可能是坏事。
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。