至顶网服务器频道 01月07日 新闻消息(文/Nancy):2019年1月7日,华为宣布推出业界最高性能ARM-based处理器——鲲鹏920(Kunpeng 920),以及基于鲲鹏920的TaiShan服务器、华为云服务,并携手产业伙伴推动ARM的产业发展。
华为董事、战略Marketing总裁徐文伟在发布会上表示:“华为在计算领域围绕客户价值持续创新;我们预见,随着智能社会的到来,未来这一领域还将持续增长。当前业务和数据的多样性带来了异构计算的需求,长期以来,华为与Intel共同合作取得了很好的成绩,为ICT产业发展作出积极贡献,华为与Intel将长期保持战略合作、持续创新。同时,ARM产业迎来新的发展机会,华为本次发布鲲鹏920及TaiShan服务器,主要应用于大数据、分布式存储、ARM原生应用等场景。”
据介绍,鲲鹏920是目前业界最高性能ARM-based处理器。该处理器采用7nm制造工艺,基于ARM架构授权,由华为公司自主设计完成。通过优化分支预测算法、提升运算单元数量、改进内存子系统架构等一系列微架构设计,大幅提高处理器性能。典型主频下, SPECint Benchmark评分超过930,超出业界标杆25%。同时,能效比优于业界标杆30%。鲲鹏920以更低功耗为数据中心提供更强性能。
鲲鹏920主频可达2.6GHz,单芯片可支持64核。该芯片集成8通道DDR4,内存带宽超出业界主流46%。芯片集成100G RoCE以太网卡功能,大幅提高系统集成度。鲲鹏920支持PCIe4.0及CCIX接口,可提供640Gbps总带宽,单槽位接口速率为业界主流速率的两倍,有效提升存储及各类加速器的性能。
此外,基于华为鲲鹏920芯片,华为同步推出基于鲲鹏920的TaiShan系列服务器产品,包括均衡型,存储型和高密型三个机型。TaiShan系列服务器主要面向大数据、分布式存储和ARM原生应用等场景,发挥ARM架构在多核、高能效等方面的优势,为企业构建高性能、低功耗的新计算平台;例如大数据场景,实现了多核高并发和资源调度调优,计算性能提升20%。基于TaiShan服务器,华为云也将提供弹性云服务、裸金属服务和云手机服务。
华为认为,万物互联、万物感知和万物智能的智能社会正加速到来,基于ARM的智能终端应用加速发展并出现云端协同;与此同时,云计算下的新业务让数据类型越发多样性,如大数据应用、分布式存储和部分边缘计算等,这些场景应用对多核(Many Core)高能效计算提出明确需求,在性能和功耗方面具有优势的ARM计算系统将发挥作用。
从行业趋势和应用需求看,多样性计算时代正在到来,多种数据类型和场景驱使计算架构的优化,多种计算架构的组合是实现最优性能计算的必然选择。没有一个单一的计算架构能够满足所有场景、所有数据类型的处理,目前各种CPU、DSP、GPU、AI芯片、FPGA等同时存在,多种计算架构共存的异构计算,是未来的发展之路。
华为发布的基于 ARM 架构的鲲鹏 920,再次将ARM 服务器芯片性能推向新高度。徐文伟表示,ARM 产品的优势在于高性能与低功耗,是为提供更好客户价值而做出的 “自然选择”。鲲鹏 920 芯片的发布后,有望与此前已投产的麒麟 980 手机芯片,以及昇腾 910 人工智能芯片一起,帮助华为构建起结合云服务的物联生态体系。不过,华为并不是一家专门生产芯片的公司。徐文伟强调,“华为不是要与 Intel 竞争,更不会替代。布局芯片主要是看到了由于数据多元化带来的计算多元时代。”
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。