英特尔在2019年世界移动通信大会(Mobile World Congress 2019)上发布了大量公告,包括其首个Snow Ridge客户、名为Hewitt Lake的全新英特尔Xeon处理器,以及5G流量加速器FGPA。
作者:Corinne Reichert
英特尔在巴塞罗那举行的2019年世界移动通信大会(MWC)上发布了一系列以5G为重点的公告,包括用于加速5G流量的现场可编程门阵列(FGPA)、Hewitt Lake SoC以及首批两个主要的Snow Ridge SoC客户。
据英特尔网络平台高级副总裁Sandra Rivera称,5G流量加速器产品——FGPA可编程加速卡N3000——与英特尔的CPU产品组合配对,可在其5G平台上处理高达100Gbps的网络流量。
N3000拥有110万个逻辑单元,低延迟9GB DDR4 DIMM内存,通过2个 Intel Ethernet融合网络适配器实现数据包处理的智能卸载,以及采用双插槽PCIe的小外形尺寸。
Rivera解释说,客户正在将该产品用于虚拟化RAN、前传(fronthaul)和核心平台实施。
Rivera对ZDNet表示:“该产品将在未来几个月推出,我们已经看到了许多希望构建其5G和边缘基础设施的客户对此非常有兴趣,但他们当然明白5G的规格将随着时间的推移而不断发展——因此,FGPA为你提供高性能和灵活性之间的完美平衡。”
“这就是我们看到的FGPAs的用途所在,你还没有完全确定的规范,或者你有一个还在不断发展的规范,因为你想要建立这种灵活性,但是你也想开始部署。”
Rivera补充说,在MWC期间将会有关于使用N3000可编程加速卡以及英特尔5G CPU产品组合客户的进一步公告。
英特尔还宣布推出下一代英特尔Xeon D处理器Hewitt Lake,该处理器被称为高密度、高度集成的片上系统(SoC)。据英特尔称,Hewitt Lake的目标是网络边缘、平面、安全性和中档存储,使用了增加过的基础频率。
她表示:“Xeon D Hewitt Lake SoC真正帮助我们的客户推进他们的5G和边缘扩建策略,你会看到几款展示Xeon D使用的产品,其性能比上一代产品更高。”
英特尔进一步宣传了其上个月在CES 2019上发布的10纳米的Snow Ridge SoC,据称其“专为5G无线接入和边缘计算而开发”,目前爱立信和中兴正在使用它。
Rivera表示:“我们有两个行业领导者,爱立信和中兴……使用Snow Ridge作为他们5G基站平台的一部分,他们将随着时间的推移推出这些产品。”
“Snow Ridge在一个非常有限的功率范围内以小巧的外形形成了强大的冲击力,它是一个高性能的数据包处理和控制平面处理SoC,它是一个10纳米的产品,我们将在今年下半年推出。”
Rivera补充表示,其他客户可能会在在MWC期间与Snow Ridge一起公开。
英特尔最近在其调制解调器产品组合中发布了四项新公告,其中第一项是开发毫米波芯片以提供与XMM 8160配对的射频解决方案,Rivera表示,这将是许多高带宽、低延迟5G用例所需要的。该芯片将在2019年下半年提供样品,预计将在2020年上市。
与Fibocom合作将看到英特尔使用XMM 8160为5G M.2模块提供支持,她表示“将用于广泛扩展的许多行业、工业应用、始终连接的PC、用于固定移动无线的CPE设备用例。”
第三,英特尔正在与Skyworks合作开发低于6GHz的频段,以结合英特尔的XMM 8160和Skyworks SkyOne前端模块。
Rivera表示:“他们已经构建了一个优化的前端模块,以配合我们的8160。”
“这使我们能够以高度优化的方式进入市场,以满足全球大量客户对低于6GHz的产品需求和平台需求。”
最后,英特尔表示,包括D-Link、Gemtek、Arcaduan和VVDN Technologies在内的客户将在英特尔XMM 7560 4G调制解调器上发布多个网关产品,并在2020年对5G XMM 8160进行“无缝升级”。
好文章,需要你的鼓励
跨境电商平台的崛起,让家居企业不再只做幕后生产者,而是以品牌形态直接触达全球消费者,逐渐从幕后走向台前。在这一潮流中,跨境家居电商赛道的“老玩家”,致欧家居科技股份有限公司(以下简称“致欧家居”)正通过数字化供应链,重塑跨境家居电商的“护城河”。
DeepSeek-AI团队开发的DeepSeekMath-V2突破了传统数学AI只关注答案正确性的局限,首次实现了AI的"自我验证"能力。该系统在2025年IMO竞赛中达到金牌水平,在2024年普特南竞赛中得分118/120,远超人类最高分。这项技术通过训练AI像数学专家一样检查和改进自己的推理过程,为AI辅助数学研究和教育开启了新的可能。
华硕Ascent GX10 GPU采用了最新的Blackwell架构,这一架构针对Diffusion模型和Transformer等主流AI模型配备了专门的加速单元。
这项由伊利诺伊大学与谷歌联合开展的研究提出了"分离然后合并"(StM)的视频合成新方法,通过自动分解5万个视频片段创建了大规模训练数据集,解决了传统方法无法同时保持原始动作和实现环境适应的问题,让AI能像经验丰富的演员一样既保持特色又融入新场景。