英特尔今天宣布推出了至强D-2100的帷幕,一个专用于传统数据中心之外进行计算的新型芯片系列。
所谓的边缘计算能够让企业在更靠近数据生成的地方处理数据,以提高响应时间。例如,工厂操作员可能希望分析来自现场生产设备的传感器日志,以避免延迟将其发送到远程数据中心、然后等待结果返回。
唯一的挑战是,远程操作带来了一些传输上的限制,而D-2100解决了这个问题。它是一个集成的片上系统,可将多达18个处理核心和许多其他边缘设备必备的组件集成到一个紧凑型主板中。它的功耗更低,从60到110瓦不等,这主要取决于型号。
在该系统内部,处理核心是基于英特尔最新的Skylake SP 14纳米架构。相比英特尔此前边缘计算芯片来说的另一个重大改进是该模块整合了一个新的“网状互连”,借用自最新一代的数据中心处理器设计。
这个机制是系统的一部分,负责在多个核心之间传输数据。英特尔的网状体系结构以不同的行和列组成不同的芯片组件,使得信息流动比此前的几代更加流畅,从而加快处理时间。
D-2100的性能也得益于它采用了英特尔的QuickAssist技术。这是一个专门的组件,可以以高达每秒100Gb的速度对数据进行加密和解密,释放主要核心以执行其他任务。
英特尔表示,总体而言D-2100在处理通用计算任务时比上一代高出了60%。该芯片还提供了近3倍的网络和存储性能。这对于那些在网络边缘存储数据和分析数据的公司来说是速度的重大提升。
D-2100有14个型号,从4个到18个核心。英特尔认为硬件合作伙伴将这些芯片集成到数据存储设备、紧凑型服务器(特别是用于取代软件定义网络中的专有交换机)、甚至是互连汽车。
Moor Insights&Strategy总裁兼首席分析师Patrick Moorhead表示:“我真的很喜欢Xeon D针对5G运营商边缘计算的设计。运营商需要在边缘的高密度计算解决方案,为5G计算功能提供低延迟。”
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
微软研究院发布突破性多语言AI技术UPDESH,通过"自下而上"数据生成策略,让AI真正理解不同文化背景下的语言表达。该技术基于各语言维基百科内容生成950万个训练数据点,覆盖13种印度语言,显著提升低资源语言AI性能,为构建文化敏感型AI系统提供新路径。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
NVIDIA团队提出RLBFF方法,将AI训练中的复杂评价转化为明确的二元判断标准,解决了传统人类反馈模糊和可验证奖励局限的问题。该方法在多个权威测试中取得突破性成果,其中JudgeBench获得第一名,训练的模型性能媲美知名商业模型但成本仅为其5%,为AI训练领域带来重要方法论创新。