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
清华大学团队突破性开发"零样本量化"技术,让AI模型在不接触真实数据的情况下完成高效压缩,性能反超传统方法1.7%,为隐私保护时代的AI部署开辟新路径。
普林斯顿大学研究团队开发出"LLM经济学家"框架,首次让AI学会为虚拟社会制定税收政策。系统包含基于真实人口数据的工人AI和规划者AI两层,通过自然语言交互找到最优经济政策,甚至能模拟民主投票。实验显示AI制定的税收方案接近理论最优解,为AI参与社会治理提供了新路径。
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
南开大学研究团队提出了一种新的3D高斯泼溅重光照方法,通过在高斯原语上直接编码离散化SDF值,避免了传统方法需要额外SDF网络的问题。该方法设计了投影一致性损失来约束离散SDF样本,并采用球形初始化避免局部最优。实验表明,新方法在保持高质量重光照效果的同时,仅需现有方法20%的显存,显著提升了训练和渲染效率。