半导体公司Xilinx日前揭开旗下数据中心软件可编程芯片设计的面纱,Xilinx称该数据中心软件可编程芯片设计是全新计算类别的一部分。
该数据中心软件可编程芯片设计的大名为自适应计算加速平台(ACAP),Xilinx表示ACAP将令数据中心服务器高度可编程成为现实,而且数据中心性能呈指数级增长。ACAP背后的技术对于普通人来说是高大上的技术,不过Xilinx将用到的概念与现有芯片设计做了对照。
根据Xilinx的说法,ACAP与现场可编程门阵列(FPGA)结构(一种可在制造后进一步配置的集成电路)以及SoC和GPU不同,因为“设计人员不再需要利用可编程逻辑建立连接性基础设施,ACAP可以使用高级语言进行编程,因此提供了灵活性和易用性,同时又提供了比CPU好一个数量级甚至更多的性能优势和功率效率。ACAP实现了以软件为中心的、本质完全不同设计流程,因为所有连接的基础架构都是通过原生软件编程实现的。“
Xilinx首席执行官Victor Peng解释说,Xilinx过去的产品都具有一定程度的适应性和可编程性,但ACAP在这方面做了更多,因为它既可以进行软件编程,也可以进行硬件编程。设计人员因此可以在同一芯片上进行任意多次范围广泛的应用程序编程。
在策略方面,Xilinx新平台的目标是数据中心客户,但Xilinx认为ACAP技术也适用于新兴市场,包括5G、汽车、航空和国防以及有线通信。Xilinx在瞄着未来计算需求,诸如物联网、机器学习和人工智能一类的计算市场。
Xilinx此举事关重大。英特尔的Altera部是竞争对手,两家都在开发可编程处理器和边缘计算、物联网和5G应用。
Peng表示,“我们的策略是在一个适应性和智能世界中推动业务发展。对于我们作为一家企业而言,数据中心在软件开发方面有很多创新,我们希望支持软件方面的创新者。从长期来看,目标放在开发者上会增加我们产品的使用。”
Xilinx表示,首款代号为Everest的ACAP产品系列将采用TSMC 的7nm工艺技术开发,并将在今年晚些时候推出。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。