英特尔冀打造现代数据中心基础,为迅猛的数据增长提供解决方案,用的不是更强大的CPU功能,而是现场可编程门阵列(FPGA)加速器。
英特尔的基本思想是将旗下用了Arria 10 GX FPGA的Xeon服务器处理器与用了FPGA的英特尔至强CPU加速堆栈合在一起,达到提升性能和能效的目的。
据悉,戴尔EMC和富士通两家大型服务器原始设备制造商也加入了进来 ,戴尔EMC增加了R640、R740和R740xd对FPGA 的支持,富士通则为PRIMERGY RX2540 M4服务器优先客户提供早期访问权。
英特尔的重点放在财务风险分析和数据库加速两种特殊的工作负载上,这些工作负载将直接从配备了FPGA的服务器中受益。
在提高数据库性能方面,英特尔认为FPGA可在系统链的两个阶段(提取、转换、加载阶段和分析阶段)提高性能,进而使实时数据的复杂分析成为现实。
对于那些喜欢测试基准的人来说,英特尔宣称FPGA的实时数据分析速度提高了20倍,存储压缩比则提高了3倍以上。
利用FPGA提高数据库性能
英特尔可编程解决方案部市场副总裁Reynette Au表示,”戴尔EMC和富士通在主流服务器产品中用上英特尔FPGA的强大功能和灵活性,数据中心计算新时代即将到来。 我们为我们的客户和合作伙伴交付硬件性能优势, 令客户能够在软件开发环境中大规模地创建一系列丰富的高性能解决方案。”
除数据分析之外,英特尔认为人工智能、网络安全、视频转码和基因组学也可以从FPGA受益。
英特尔Arria 10 FPGA基于20纳米ARM Cortex-A9 SoC,可提供1.5 TFLOPS的DSP性能,配有96个3.3 Tbps串行带宽的收发器通道,功耗比上一代FPGA低40%。
好文章,需要你的鼓励
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。