AMD今天宣布推出用于数据中心的第二代EPYC处理芯片,并公布了包括谷歌和推特在内的知名大客户。
AMD的第二代AMD EPYC处理器采用合约制造商的新技术制造,可提供更好的性能,同时功耗低于上一代芯片。EPYC芯片采用最先进的7纳米工艺制造,具有多达64个“Zen 2”核心,这一点使其实现了创纪录的性能,同时在运行很多数据中心工作负载方面总拥有成本降低多达50%。
AMD总裁兼首席执行官Lisa Su在发布会主题演讲中表示:“今天,我们为现代数据中心设立了新的标准,多家企业、云和高性能计算新客户选择EPYC处理器来满足他们最苛刻的服务器计算需求,从而加速了我们领先服务器处理器的普及速度。”
在这次发布会上,AMD高管花了大量时间讨论第二代EPYC芯片的性能改进。例如他们声称EPYC芯片在Java应用工作负载方面的性能提高了83%,还强调了该芯片的“创纪录虚拟化性能”和在高性能计算工作负载中实现“创纪录的浮点性能”。
AMD方面补充说,EPYC在服务器工作负载每个核心每个时钟执行的指令增加了23%,而L3缓存多达上一代的4倍。
Moor Insights&Strategy分析师Patrick Moorhead表示,这款新芯片的推出对于AMD来说是一大进步,远远超出他的预期。
“AMD改进了第一代的大部分缺点,如单线程性能和核心扩展,并增加了新的RAS和安全功能,以及提升了多核心性能,”Moorhead说。
AMD在数据中心芯片领域的主要竞争对手是英特尔,近年来,两家厂商都越来越重视这些主要用于支持互联网服务的芯片,因为PC销售量一直在下滑。
Moorhead表示,他期待AMD在发布上一代芯片之后取得了一些收益之后,能够通过推出第二代EPYC芯片在与英特尔的竞争中取得优势。
他说:“AMD推出第一代EPYC的时候份额只有个位数的小幅增长,不过我预计AMD通过推出第二代EPYC能够在云服务提供商、企业和高性能计算领域获得拿下一些份额。企业不会大规模部署任何第一代产品。他们没有部署第一代EPYC,但他们将部署第二代EPYC。”
AMD可以充分利用这样一个事实:那就是英特尔是在它自己的工厂生产芯片,而不是依靠承包商,导致7纳米制造工艺落后于时间表,这些芯片预计最早要到2021年才会到货。
这也被认为是AMD能够撬动英特尔一些最大客户(包括谷歌)的原因之一。
谷歌高管出现在AMD的这次发布会上,表示谷歌已经部署了AMD的第二代EPYC处理器,用于处理部分云数据中心的特定工作负载。今年晚些时候,谷歌还将采用这款芯片来支持针对Google Cloud Compute Engine服务的“通用型”设备。
“谷歌是个有意思的客户,已经明确表示如果能够看到更好的性能和价格就会有更大投入。谷歌曾经是AMD Opteron的最大客户。对此我会密切关注。”
推特(Twitter)也成为AMD的一大客户。这家社交媒体公司表示。将在今年晚些时候在其数据中心内部署AMD EPYC芯片,预计这将使总体拥有成本降低25%。
微软也宣布推出了针对基于EPYC芯片的通用设备的新Azure虚拟机预览。此外,微软还还宣布了云远程桌面和基于新架构高性能计算工作负载的有限预览。
数据中心硬件厂商HPE和联想也宣布推出基于EPYC芯片的新平台,包括HPE ProLiant DL385和ProLiant DL325服务器,以及联想的ThinkSystem SR655和SR635服务器。
好文章,需要你的鼓励
谷歌DeepMind发布AlphaGenome人工智能工具,可全面预测人类DNA序列突变或变异对基因调节的影响。该模型能处理长达100万个碱基对的DNA序列,预测数千种分子特性,包括基因起止位置、剪接位置和蛋白质产量等。AlphaGenome在多项基因组预测基准测试中达到最先进性能,可预测剪接错误引起的罕见遗传疾病。研究人员认为这是该领域的里程碑,有望成为疾病研究的强大工具。
ByteDance智能创作实验室发布的Phantom-Data是首个大规模跨情境主体一致性视频生成数据集,包含约100万个身份一致配对样本。该数据集通过创新的三阶段构建管道,从5300万视频和30亿图像中精选高质量跨场景配对,有效解决AI视频生成中的"复制粘贴"问题,显著提升文本遵循能力和视觉质量。
Cosmoe是一个现代化的C++用户界面库,专为构建原生Wayland应用而设计。该项目虽然刚刚发布,但已相当成熟完整且轻量化。它无需额外运行时支持,让开发者能够构建多线程Linux应用程序。Cosmoe具有独特清新的外观设计,API完整稳定。该项目源于BeOS重建项目,现在提供了一种在Wayland环境下实现BeOS风格界面的新途径,为Linux桌面开发提供了Qt和Gtk之外的另一种选择。
普林斯顿大学研究团队开发了ReasonFlux-PRM,这是首个能深度理解AI复杂思维过程的评分系统。不同于传统只看最终答案的评估方法,新系统能评判AI思考轨迹的每个步骤质量,在数学和科学推理任务上实现了平均4.5%-12.1%的性能提升,为AI教育和训练提供了突破性的解决方案。