ZD至顶网服务器频道 06月01日 新闻消息: Cavium公司已经为其下一代ThunderX2 ARM服务器系统芯片公布了具体的升级规划,宣称该产品将在明年年底左右进行量产。到那时,其初代产品应该已经推进至拥有一定市场吸引力,但仍未大规模占领市场的阶段。
面对英特尔x86架构所统治的市场区划,ARM架构服务器芯片的上市之路确实走得相当缓慢,这主要是受到传统软件支持能力不佳的拖累。截至目前,Cavium公司在这一业务领域中的表现最为出色,但每季度所售出的芯片总数也不过区区数千块。
“此次公告的主要原因在于,目前我们的首款产品已经投放市场,因此客户对于下代方案亦抱有期待,”Cavium公司数据中心部门市场营销主管Rishi Chugh表示。
就在去年年底,竞争对手Applied Micro公司宣布其32核心X-Gene 3产品将于今年年底发售。其属于第三代方案,采用16纳米制程,不过估计会与前两代产品一样很难获得可观的销量。
14纳米制程工艺帮助Cavium公司将其ThunderX2处理器提升至54计算核心,主频为2.6 GHz。
Cavium公司“目前拥有40多家客户……其中一部分已经开始使用”24到48核心ThunderX处理器,Cavium公司首席技术官兼联合创始人M. Raghib Hussain表示。
“时间周期比我们预料的更长。除了提供软件与ODM平台之外,还需要推出真正能够用于支持生产需求的BIOS、操作系统、虚拟机管理程序、工作链、Java与PHP支持乃至经过优化的应用——这一切都需要投入大量时间,”Hussain指出。
Cavium公司目前宣称高端ARM服务器市场正凭借着大量计算核心与双插槽系统支持能力向英特尔的至强街产品线发起冲击。部分竞争方还将目光投向了代表32位及低端产品需求的微服务市场。
ThunderX2应当能够比肩或者击败目前的英特尔至强处理器(浅蓝色),但未来还将有10纳米方案作为其竞争威胁。
截至目前,有一家ODM合作伙伴即将开始生产,而另有一家大型云计算供应商正利用ThunderX支撑其生产服务器,他补充称。联想与惠普已经专为ARM系统芯片设计了服务器方案,但尚不清楚此类产品是否拥有明确的客户受众。
Linaro协作项目中的一个小组正在面向ARM服务器开发支持方案,其首项成果就是打造一套标准软件平台,其中包含Adavnced Configuration与Power Interface。另外,其还在测试该平台运行各上流工作负载时的表现,例如Hadoop与OpenStack,而这些正是x86优化代码的优势所在。
“过去6到9个月当中,Thunder平台相关生态系统的发展与增长速度已经迎来提升,”Cavium公司软件业务副总裁Larry Wikelius指出。
博通、华为与高通等公司都已经宣布研发ARM服务器系统芯片,还有另一些业界巨头对此抱有兴趣。高通公司的开发平台对于现有服务器标准的支持效果相当出色,红帽公司首席ARM架构师Jon Masters在今年早些时候的一次演讲中表示。
虽然ARM服务器在大型数据中心领域占有一席之地,但广泛使用似乎仍是个遥不可及的目标,Moor Insights and Strategy公司高级分析师Karl Freund在一篇博文中解释称。今年早些时候,谷歌公司表示其正在测试IBM Power与ARM服务器,希望了解其是否能够在未来逐步取代现有x86服务器架构。
“我觉得其确实能够在世界范围内找到合适的立足点,特别是在中国与欧洲,”Freund表示。“红帽自己就采用了几千台这样的服务器设备,而百度、阿里巴巴与腾讯也都购买了一些,”他指出。“我听说高通方面已经拿出了真正能够与至强相匹敌的解决方案,这显然值得期待,”他补充称。
ThunderX2将在升级后拥有54个定制化64位ARM计算核心,同时更好地支持传统操作并拥有2.6 GHz运行主频。其支持新的每秒25 Gbit以太网标准,添加了新的硬件加速机制并将提供高达32 MB缓存且支持六DDR4内存模块。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。