【2016年5月26日,美国加州圣何塞】近日,AMD、ARM、华为、IBM、Mellanox、高通公司下属的高通技术公司和赛灵思公司联手为数据中心带来高性能的开放加速架构。合作各方正在携手制定新的加速器缓存一致性(CCIX)规范,利用这一互连技术规范,将首次在业内确保使用不同指令集架构 (ISA) 的处理器能与加速器协调地分享数据,使高效的异构计算成为可能,从而大幅度提升运行数据中心工作负载的服务器的计算效率。
受电源和空间的限制,数据中心的应用需要加速。类似大数据分析、搜索、机器学习、 NFV、无线 4G/5G、内存中的数据库处理、视频分析和网络处理等的应用,都将受益于可以在不同的系统组件之间无缝移动数据的加速引擎。不管数据驻留于何处,也不需要复杂的编程环境,加速器缓存一致性(CCIX)都可以允许这些组件访问和处理这些数据,这将使空载和BITW(bump-in-the-wire)架构队列中的应用都能够利用现有的服务器生态系统和产品规格实现加速,从而降低加速系统的软件壁垒并降低总体拥有成本 (TCO)。
AMD公司院士兼I/O与集成电路技术副总裁Gerry Talbot表示:“AMD 大力支持开放标准的发展以进一步普及异构计算。通过与业界同行合作开发新的互连规格以加速性能,AMD 持续兑现其对开放的异构计算的承诺。”
ARM 服务器系统和生态系统总监Lakshmi Mandyam 表示:“‘一种方案适用于所有架构’的方式无法为数据中心工作负载带来亟需的性能和效率。受益于专用的处理和硬件空载,加速器缓存一致性(CCIX)通过简化软件开发和应用部署带来更优化的解决方案,以从而为数据中心客户提供更高的性能和价值。"
IBM 院士兼POWER开发副总裁Brad McCredie表示:“作为产业创新的催化剂,IBM Power Systems™ 最近展示了其对开放的总承诺,在后摩尔定律时代为客户创造成本和性能效益。IBM 致力于与领先的业界同行一起,扩大对开放一致性的努力,以帮助满足客户日益增长的认知需要。”
Mellanox 市场营销副总裁Gilad Shainer表示:“加速器缓存一致性(CCIX)在现有互联的基础上,实现更高的性能和连接能力,实际上为下一代 CPU-加速器-网络的标准界面发展铺平了道路。支持加速器缓存一致性(CCIX)标准的生态系统预计会更广泛,数据中心将能够优化其数据使用,实现世界领先的应用效率和灵活性。”
高通技术公司产品管理副总裁Vinay Ravuri表示:“高通技术公司非常兴奋能够在一个开放、跨ISA的平台上,开发带来高效率、高性能架构的新技术。未来的数据中心需要能够实现具有不同计算选择、加速和互连技术的开放架构,这是实现这一目标而迈出的一大步。”
赛灵思架构副总裁Gaurav Singh表示:“加速器缓存一致性(CCIX)将利用现有的服务器互连基础架构,并提供更高的带宽、低延迟和对共享内存的缓存一致性访问。这将极大地增进加速器的可用性,并提升数据中心平台的整体性能和效率。”
CCIX 的详细信息请访问 http://www.ccixconsortium.com/。
关于AMD
四十五年来,AMD引领了高性能运算、图形,以及可视化技术方面的创新,这些都是游戏、 临境感平台以及数据中心的基础。每时每刻,全球数百万的消费者、500强公司,以及尖端科学研究所都依靠AMD技术来改善他们的生活、工作以及娱乐。 AMD全球员工致力于打造伟大的产品,努力拓宽技术的极限。成就今日,启迪未来。更多信息,敬请访问www.amd.com(NASDAQ:AMD)。
好文章,需要你的鼓励
Qualys首席执行官Sumedh Thakar提出,将传统主要用于被动响应安全事件的SOC升级为基于风险管理的ROC,通过聚焦关键风险而非海量安全扫描,帮助公共部门更高效、低成本地降低潜在威胁。
这项研究展示了如何通过在经济问题上进行后训练,让大语言模型像经济学家一样思考,从而实现战略性泛化能力。研究团队开发了名为Recon的7B参数开源模型,通过在2,100个高质量经济推理问题上进行监督微调和强化学习,不仅提升了模型在经济基准测试上的表现,更重要的是让模型在从未直接训练过的多智能体博弈中展现出合理的战略行为。结果表明,领域对齐的后训练可以作为智能体对齐的可扩展路径,通过结构化推理问题培养出更广泛适用的理性决策能力。
全球经济正处在自动化与 AI 推动的巨大变革关口,大规模就业受冲击,而普遍基本收入(UBI)有望稳定社会、激发创新,促进经济持续健康发展。
STORM框架是一种创新的对话系统研究方法,通过模拟用户和AI助手之间的信息不对称来解决意图触发性问题。研究发现中等程度的不确定性(40-60%未知信息)在某些情况下能够优于完全透明,挑战了传统的AI设计假设。通过对四种主流语言模型的测试,团队确定了不同模型在处理用户意图形成过程中的独特特点,为任务导向对话系统设计提供了实用指导。这项研究对隐私保护设计和偏见缓解具有重要启示,表明信息的战略性限制可能比信息最大化更有效。