本周一在美国拉斯维加斯开幕的CES消费电子展上,英特尔展示了自己首款采用10纳米工艺的处理器。
这款代号“Ice Lake”的处理器主要面向个人电脑,基于英特尔最近推出的Sunny Cove位架构,该架构采用了旨在推动利用人工智能和英特尔Gen 11 GPU的指令集。
Sunny Cove提高了英特尔芯片的时钟性能和能效,适用于日常计算,此外还增加了支持人工智能和加密相关工作负载的新功能。
具体来说,Sunny Cove让CPU能够并行执行更多操作,通过改进算法降低延迟,并提供更大的缓冲区和缓存来优化以数据为中心的工作负载,英特尔客户端计算群组高级副总裁Gregory Bryant这样表示。
今年晚些时候出货第一批设备的时候,Ice Lake芯片还将配置面向PC和笔记本电脑的Thunderbolt 3、Wi-Fi 6和Deep Learning功能。
Ice Lake对英特尔来说是一个重要的里程碑。目前英特尔已经落后于AMD等竞争对手,后者正在出货采用7纳米制程工艺的CPU,这意味着AMD可以在每个芯片上容纳更多的晶体管,从而提高计算能力。
英特尔最初计划在2016年推出10纳米处理器,但一再延迟并于最近称最早要等到2019年。现在推出了Ice Lake,英特尔似乎终于实现了自己的承诺。
在今年的CES上,英特尔进一步扩大了自己的芯片产品阵容,推出了6款专门面向视频游戏PC的第9代芯片。这些芯片新品将于本月晚些时候出货,从入门级Core i3一直到新的Core i9处理器。英特尔还表示,计划将第9代芯片用于H系列笔记本电脑,于今年第二季度推出。
展望未来,英特尔预览了一个名为Lakefield的新混合型CPU客户端平台采用英特尔的Foveros 3D封装技术。Lakefield CPU配备5个核心,包括1个10nm Sunny Cove核心和4个基于Intel Atom的核心,并将不同的知识产权组合到一款产品中,占用的主板空间更小。英特尔表示,这将使计算机制造商“更轻松地实现轻薄外形设计”。
英特尔还公布了代号Project Athena的创新计划,该计划提供了一系列行业规范,旨在帮助“引入新一代高级笔记本电脑,旨在实现新体验并利用下一代技术如5G和人工智能”。
英特尔表示,该规范罗列了实现这些新技术的平台要求、用户体验以及实际使用模式定义的基准测试目标。英特尔预计,采用Project Athena规范的首批设备将于今年下半年出货。
在AI工作负载方面,英特尔详细介绍了新推出的Nervana Neural Network Processor for Inference。英特尔城,这是一种新型芯片,旨在加快人工智能训练的推理速度,或者人工智能模型根据接收到的数据得出结论的速度。
Moor Insights&Strategy首席分析师Patrick Moorhead表示,这是一个重要的发布,因为英特尔声称NNP-I在实际应用的推理性能方面可以胜过Nvidia的GPU。
Moorhead说:“如果这是真的,那将一个重要的消息。英特尔似乎非常有信心,我期待看到运行生产工作负载的第三方基准测试结果。”
英特尔表示,这款代号为“Spring Crest”的芯片新品将于今年晚些时候发布。
最后,英特尔正在扩大自己的“片上系统”生态,推出了代号为Snow Ridge的10nm平台,该平台旨在实现5G无线接入和边缘计算工作负载。英特尔表示,此举目的是将英特尔架构引入无线接入基站,并允许更多计算功能分布到网络边缘。
好文章,需要你的鼓励
人工智能初创公司Counterintuitive Corp.正式发布,旨在通过开发专为推理而非模仿设计的芯片和软件来重新定义AI。该公司提出人工推理单元(ARU)这一全新计算架构类别,以解决现代AI面临的"精度无真理、推理无记忆"双重困境。ARU采用确定性、记忆驱动的推理架构,配合全栈推理软件,承诺突破当前AI局限性,开启后GPU时代的智能计算新纪元。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
全球最大云服务提供商亚马逊云服务(AWS)遭遇大规模故障,影响政府机构、AI公司和金融平台等众多客户。尽管AWS称已基本恢复,但仍有用户无法连接租用服务器。故障源于关键数据库服务的数字目录故障,导致依赖该数据库的软件无法获取信息而出现连锁反应。受影响服务包括Venmo、苹果音乐、Zoom等数百个网站和应用。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。