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
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。