英特尔首席工程官兼技术、系统架构和客户端事业部总裁任沐新博士(Murthy Renduchintala)于2019年5月8日星期三在加州圣克拉拉举办的2019年英特尔投资者大会上发表讲话。(图片来源:英特尔公司)
当地时间5月8日,华尔街的分析师们齐聚位于圣克拉拉的英特尔总部,参加该公司的2019年投资者大会。英特尔首席执行官司睿博(Bob Swan)和业务部负责人在会上发表了主题演讲。英特尔首席工程官兼技术、系统架构和客户端事业部总裁任沐新博士(Murthy Renduchintala)宣布,英特尔的量产10纳米客户端处理器将于今年六月开始出货,并首次公开分享了该公司7纳米制程技术的细节。任沐新表示,在以数据为中心的计算时代,英特尔重新定义了自身的产品创新模式,“以根据工作负载优化的平台,带来更为轻松的客户与开发人员创新体验”。他分享了将由英特尔的技术创新组合带来的预期性能提升,深入阐释了引领英特尔产品发展的设计和工程创新模式,这些创新组合横跨英特尔六大技术支柱领域,包括制程与封装、架构、内存与存储、互连、安全、软件。
任沐新表示:“虽然领先的制程和CPU仍然至关重要,但要想充分把握数据爆发带来的机遇,还需要在包括架构、内存、互连、安全、软件在内的一系列基础构建模块上极速创新。只有英特尔拥有足够强大的研发实力、人才储备、世界一流的技术组合和知识产权,能够针对广泛的架构和工作负载提供领先的产品,从而满足不断扩大的、以数据为中心的市场需求。”
英特尔首款量产10纳米处理器——代号为“Ice Lake”的移动PC平台,将于今年6月开始出货。Ice Lake平台将充分利用10纳米技术和架构创新,预计带来约3倍无线速度提升,2倍视频转码速度提升,2倍图形性能提升,2.5至3倍人工智能性能提升。正如之前宣布的,基于Ice lake处理器的英特尔OEM合作伙伴设备产品将于2019年假日季(感恩节至元旦期间)上市。英特尔还计划在2019至2020年期间推出多个10纳米产品,包括更多用于客户端和服务器的CPU、英特尔Agilex系列FPGA、英特尔Nervana NNP-I(人工智能推理处理器)、通用GPU和代号为“Snow Ridge” 的5G就绪的网络系统芯片(SOC)。
从14纳米到14+纳米和14++纳米的优化,英特尔将基于这种已被充分验证的模式,推动节点间和节点内的持续制程进步。基于摩尔定律,英特尔将继续引领制程技术微缩。英特尔将在每个节点初始有效提升性能和微缩,并通过节点内多次优化,在同一代技术中实现节点内性能再次提升。
任沐新首次介绍了英特尔7纳米制程技术的最新信息,它将实现2倍微缩,预计提升每瓦性能约20%,并将设计规则复杂性降低4倍。这标志着该公司将首次商业化使用极紫外光刻技术(EUV),该技术将有助于推动多代节点的微缩。
首款7纳米产品预计将是基于英特尔Xe架构的通用GPU,用于数据中心人工智能和高性能计算。它将利用先进封装技术实现异构。在2020年推出首款独立显卡之后,英特尔预计将在2021年推出7纳米通用显卡。
任沐新预览了全新的芯片设计,利用先进的2D和3D封装技术,将多种IP集成到一个封装中,每种IP都采用针对各自优化的制程技术。异构集成能够互连多个小芯片而更快利用新的制程技术,并且与其他非单片方案相比,以前所未有的性能水平构建更大的平台。
任沐新公布了代号为“Lakefield”的客户端平台的创新发展所带来的性能提升。这一举措标志着英特尔在设计和工程模式上的战略性转变,这种转变将支撑英特尔未来的产品路线图。针对客户的不同需求,包括混合CPU架构和Foveros 3D封装技术在内的广泛技术创新,将被用来满足始终在线、始终互联和外形尺寸的要求,同时实现更低功率和更强性能。与14纳米前代产品相比,Lakefield预计将带来约10倍SOC待机功耗改善,1.5到2倍SOC有功功耗改善,2倍图形卡性能提升,以及2倍印刷电路板(PCB)面积缩小,使OEM们能够更加灵活地实现轻薄的产品外观设计。
好文章,需要你的鼓励
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。