至顶网服务器频道 09月25日 新闻消息(文/董培欣):
19号英特尔FPGA技术大会(IFTD)在北京召开,会后英特尔公司可编程解决方案事业部副总裁兼客户体验事业部总经理 Rina Raman女士接受了记者的采访。向大家介绍了FPGA怎么样帮助我们加速实现一个智慧的互联的世界:
根据预测,到2020年,将会有500亿个终端联网,现在我们联网的终端数量是80亿个,未来联网的这些终端数量比现在所需要的带宽每一个都要高。思科预测到2020年IP的流量会达到2300EB量级每年,数据中心会和这些终端连接起来,这些终端又会和数据中心实现连接,这样我们就称为一个良性的循环,这个循环开始随着物联网的发展会加速,意味着网络就必须要在更高的速度上处理更多的数据,数据中心也必须要做更复杂的计算,处理更大的数据集,即使嵌入式的终端和设备也要做很多本地的计算。
5G无线通讯、雷达和航天、网络的转型、云计算、智慧城市和无人驾驶车辆。无论是哪个市场,实际上它们都面临着同样的挑战,就是连接的数量在急剧增长,计算的复杂度也在不断地增长,这就会带来瓶颈和热点。这个时候,FPGA就可以帮助我们很好地应对这些挑战。利用FPGA,你的系统的设计不会被锁定,开发时间没有那么长,而且相比这些专用的硬件来说,它更具有灵活性。
现在我们可以看到FPGA也越来越发挥着重要的作用,特别是在需要灵活加速的时候,因为算法也在不断地发展,而且我们所处的环境当中加速的工作负载也在动态地变化,所以FPGA有以下的好处,相当于一个软件定义的硬件,可以满足性能和计算方面的要求。另外,还有一定的灵活性,能够支持未来的计算和商业需求不断地变化。
大家可以把FPGA想象成一种先进的多功能的加速器,一方面能够带来最大的编程的灵活性,支持高度差异化的产品,你还可以在现场进行重新配置,虚拟加速任何数字的算法。另外,他们也是支持并行运算的,所以,他们特别适合未来计算的世界,更重要的是他们的性能从吞吐量,从实施的速度和能耗的角度来说,比CPU或者是GPU要优上十倍。
另外可以看到它可以以更低的时延处理更大的数据,比传统的在硬件产品上跑的基于软件的产品更快。就是因为FPGA有以上这些好处,FPGA相当于具有硬件的性能,又具有软件的可编程的能力,所以说对异构计算的环境或者是架构来说变得尤为重要。
接下来,Rina Raman女士向我们介绍了英特尔的FPGA产品及技术发展进程:
如今,英特尔Stratix 10最新产品已经开向向用户提供样片,Arria 10的终端系列产品已经在全面生产,Cyclone 10和Max 10均已大量出货。
除了现在已经发货的产品,英特尔下一代FPGA的产品,英文名字叫做Falcon Mesa。这是英特尔基于下一代10纳米制程的新的Falcon Mesa的产品。它基于世界上最先进的FinFET制程技术,这是英特尔第二代使用HyperFlex架构产品,也是第二代基于EMIB的异构的SIP。EMIB实际上是英特尔接口的规范。
由此可以看到,在英特尔整合FPGA之后,带来了很多的更强的能力。在Stratix 10上面获得了英特尔领先业界3年的制程技术,意味着给更大的容量和更快的速度。英特尔的制程技术是全球最创新的、最领先的技术。英特尔也将它的制程技术用于Falcon Mesa的生产和制造。晶体管的数量每两年会增加一倍,那就意味着单位面积的成本会增加,但是,晶体管数量翻一倍意味着性能的改善,从而使每个晶体管的成本降下来了。
最后Rina Raman女士向我们表示:“我们面临的挑战是非常复杂的,面对这样的复杂性,可能需要不同的解决方案来应对挑战。英特尔认为FPGA实际上能够帮助我们加速计算,帮助我们更好地应对今天以及未来数据的需求。”
好文章,需要你的鼓励
AI数据训练师负责确保AI模型训练数据的准确性和可行性,是薪酬丰厚的热门职业。两项新研究显示,该职位年收入在6.5万至18万美元之间,专业领域专家薪酬更高。这一角色已从简单的数据标记发展为高度专业化的认知工作,需要细致的推理能力、深厚的专业知识和多语言能力。随着生成式AI工具兴起,行业正从普通工作者转向专业领域专家,计算机科学学位非必需,但数据标注经验有帮助。
延世大学研究团队开发出FlowBlending视频生成加速技术,通过智能分配大小模型的工作阶段,在保持视频质量不变的前提下将生成速度提升65%。该技术发现视频生成过程中只有开头和结尾阶段需要大模型,中间阶段可用小模型替代,实现了效率与质量的完美平衡,且可与现有技术无缝集成。
Rust资深开发者Steve Klabnik在AI助手Claude的帮助下设计了新的系统编程语言Rue。该语言旨在提供无垃圾回收的内存安全保障,同时比Rust和Zig提供更高级的易用性。Klabnik表示,通过与Claude合作,两周内完成了7万行Rust代码,远超此前独自开发的进度。Claude参与了大部分代码编写工作,而Klabnik负责方向指导和设计决策,展现了AI在编程语言开发中的巨大潜力。
斯坦福大学研究团队开发的Dream2Flow系统通过让机器人观看AI生成的演示视频来学习操作技能。系统提取视频中物体的3D运动轨迹作为指导,让机器人能够零样本完成多种日常任务,包括移动物品、开关门窗等操作,在真实环境测试中取得了最高80%的成功率。