AMD公布的7nm Epyc x86 CPU和Vega GPU,带来了这些芯片有望抑制高端处理器成本上涨的希望,但同时这也证明了前沿工艺技术收益的递减,并引发了对加速器开源代码质量的担忧。
一位德国科研人员在Twitter上感叹说,高端Nvidia V100高达10000美元的价格让他们“无法轻松地在现有预算下进行采购”。
英国一位研究人员称该芯片在欧洲市场上的价格为15000美元,这个价格是“不可持续的”,并指出英特尔和Nvidia的毛利率超过了63%。
他说:“我认为Nvidia正在打造出色的产品,但......这个问题只能通过在CPU和GPU市场加剧竞争来解决。AMD、Cavium/Marvell、富士通、Ampere,赶紧跟上吧......目前的情况让我们备受煎熬。”
还有人在Twtter上发了一张图表(下图),图表显示,随着Nvidia不断追求更高性能的零件,Nvidia GPU的芯片尺寸也在不断增加。
第一代Nvidia通用GPU的成本约为1500美元,“我们都担心这与消费类GPU相比价格价格有多高,”一位研究人员表示,他们担心成本会上升10倍。(来源:Hirotoge Goto)
AMD显然已经尝试通过在14纳米芯片中实现内存控制器和I/O来降低自己7nm Epyc x86 CPU的成本,但是AMD这个新CPU的价格竞争力有多大还有待观察。如果7nm产品比预期的更成功,那么AMD可能会发现自己会受到台积电(现为AMD唯一的7nm供应商)提供晶圆数量的限制。
在这些芯片首次亮相之前,英特尔宣布将把所有产能都集中在高端设备上,并称无法满足PC需求的复苏。但总体需求实际上并没有上升;IDC分析师Mario Morales说,相反英特尔可能一直在试图诱使AMD去追求低端市场。
除了企业需求温和增长之外,PC市场并未增长。Morales表示,事实上,中国台式机和笔记本电脑市场——这是整个个人电脑市场中最大的一部分——正在略有下降。
研究人员乐于看到AMD新芯片可能引发的价格竞争。但他们也在Twitter上抱怨说,通用图形处理器(GP-GPU)的软件状态。他们说,Nvidia的大多数代码仍然是专有的,而且来自Nvidia和AMD的开源代码都不尽如人意。
低质量代码从一开始就是AMD GPU计算软件堆栈的“致命弱点”,一位研究人员表示。
另一位研究人员表示:“我很高兴AMD Radeon开源Linux驱动程序实际上包含所有计算组件(这一点与Nvidia相反)。但是,有缺陷的开源软件仍然是广泛采用的一大障碍。”
“请让CUDA成为一个开放的生态系统,其他各方可以为未来的功能提供输入或为CUDA API实施他们自己的运行时间,”英国一位研究人员表示,他指的是Nvidia的GP-GPU软件。
另一位研究人员说:“如果大家都实施CUDA,他们就必须实施CUDA性能模型,这会阻碍创新,不利于加速。我们需要一个更适应其他处理器公司所有创新的生态系统。”
“我还对[特定于Nvidia的OpenCL扩展]文档有需求......并招人来专门处理相关的bug跟踪器问题。”
“在客户要求开放高质量实施并行编程标准之前,情况不会有所改善......而且我们也会受到影响,”美国一位研究人员表示。
来自AMD、英特尔和Nvidia的一些代表纷纷讨论行列,捍卫他们的努力成果。
一家厂商表示:“OpenMP 5.0现已问世,这对GPU计算来说也是非常令人兴奋的。我知道AMD的Greg Rodgers和Nvidia的Jeff Larkin与其他OpenMP工作组一起努力实现这一目标。”
在硬件方面,AMD的Epyc和Vega是对7nm节点的首次检验。
台积电在2017年3月曾表示,台积电的制程工艺与它自己的16FF +节点相比,速度提升了35%,功耗降低60%。然而,AMD仅声称自己的芯片速度将比14nm产品提高了25%,功耗降低50%。
“台积电可能一直在测量像环形振荡器这样的基本设备——我们要做的是一款真正的产品,”Mark Papermaster在公布7纳米芯片当天接受采访时这样表示。
“摩尔定律正在放缓,半导体节点成本越来越高,而且主频的提升也不像从前了,”他在发布会上说,称发展到7nm“是一次粗糙的提升,增加了掩模、耐用性和寄生现象。”
展望未来,使用EUV的7nm节点将“主要利用效率和一些适度的设备性能机会,”他在采访中说。
对于AMD来说,在标准有机封装上使用7nm和14nm模片的举动,有点类似于三星转向3D NAND,通过一种其他人可能采用的方法让AMD在成本方面有了喘息的空间。
毫无疑问,节点之争正在带来历史性挑战。
英特尔目前正在亚利桑那州钱德勒修建一个支持EUV的7nm晶圆厂,但预计至少到明年年底才能投产。Tirias Research负责人Jim McGregor表示,即便是英特尔目前的14nm产量也“高于上限,但产品差异很大”。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。