发展路线图正式曝光,但其中尚存大量不明之处。
尽管具备相关支持能力的至强CPU还没有推出,但英特尔方面已经开始将首款Optane DIMM交付至买家谷歌手中。
英特尔公司数据中心部门总经理兼执行副总裁Navin Shenoy在本周三的以数据为中心创新峰会上,正式开始将这一全新产品线成果交付至谷歌平台副总裁Bart Sano手中。
尽管此次舞台效果设计得不错,但仍然没有什么现实意义——毕竟能够支持Optane DIMM的至强SP(Skylake)处理器目前尚未正式推出。
另外,对于这款产品,还存在大量细节信息缺失:
除非谷歌方面获得对应的定制化至强处理器,否则Optane DIMM在此期间将只能被束之高阁。
尽管如此,英特尔公司仍然在努力宣传Optane DIMM的性能优势。利用Optane DIMM配合早期Cascade Lake至强处理器,SAP HANA工作负载的重启时间可以由数十分钟缩短至几十秒。好吧,这样的结果确实振奋人心。但问题是,大家显然极少对HANA进行重启。
基本上,我们无法掌握关于Optane DIMM的任何应用程序性能提升信息,因为目前还没有哪种生产级处理器能够与之相匹配。
Anandtech网站发现了一份英特尔高性能计算路线图演示资料,其中展示了处理器与DIMM的未来发展方向:
这份演示资料显示有Apache Pass DIMM——即英特尔Optane DIMM的代号——将于2019年发布,此外Cascade Lake至强处理器也将同步推出。
Cascade Lake是一款14纳米处理器CPU,采用至强Skylake的Purley微架构,其采用专注于人工智能的深度学习增强(简称DLBOOST)技术,能够提供11倍于至强Skylake的人工智能类负载性能提升。
该资料中还包括Cooper Lake CPU,其同样采用14纳米制程技术,将于2019年年底开始发货直至2020年。进入2020年,Ice Lake也将正式推出,其代表着英特尔长期承诺却一直未能实现的10纳米制程工艺。Barlow Pass DIMM也将在2020年与这款具有 里程碑意义的至强处理器共同亮相。
在资料下方,我们看到标有面向高性能计算的PCSD服务器产品部分,其中包含2019/2020年的Walker Pass DIMM,以及另一款将于2020/2021年推出的未命名DIMM。Walker Pass的推出时间与另一款Cascade Lake进阶处理器相同。
Anandtech网站猜测,Barlow Pass正是下一代3D XPoint DIMM。但我们还无从得知其在性能与规格方面同现有Apache Pass XPoint DIMM有何区别。
而The Next Platform网站则表示,Walker Pass将是“第二代Optane DIMM,且预计上市时间定于2019年5月左右。”
从演示资料中的时间顺序来看,Barlow Pass可能实际上代表着第三代Optane DIMM。
我们认为英特尔公司不会允许AMD处理器轻松支持Optane DIMM。然而,目前美光已经在XPoint的开发工作上与英特尔分道扬镳。如果美光进行相关技术方案的批量生产(这简直是一定的),则预示着AMD方面很可能将通过美光Quantx DIMM支持XPoint DIMM。
很明显,Optane DIMM的正式使用必须等待英特尔Cascade Lake至强处理器的正式出炉。即使英特尔能够在今年年底之前发布第一款Cascade Lakes产品,其它受支持的衍生方案也需要再等一等,这意味着各服务器OEM厂商直到2019年才会全面发布自家相关产品。
考虑到产品细节信息的缺失——特别是在读取/写入延迟、功耗与使用寿命等方面,我们基本确信以下几项结论:1)其当前指标并不出色;2)英特尔仍在调整其Optane DIMM以进一步降低延迟与功耗并提升使用寿命。
与现有Apache Pass产品相比,Barlow Pass、Walker Pass以及另一款尚未命名的DIMM很可能拥有更高的层数与存储容量。
与以往一样,英特尔公司的Optane产品开发进度仍然令人沮丧,而其技术发展路线图资料也证明这一切恐怕要到2020年之后才会开花结果。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。