英特尔今天在以色列海法的一次特别活动中,悄然推出了首款专用人工智能处理器。
这款名为Nervana Neural Network Processor for Inference的处理器(也称为Springhil),是在位于海法的英特尔实验室开发的,据称是专为运行人工智能工作负载的大型数据中心设计的。据路透社报道,它基于改进的10纳米Ice Lake处理器,能够处理密集型工作负载,同时能耗极少。
英特尔表示,包括Facebook在内的多家客户已经开始在他们的数据中心使用该芯片。
Nervana NNP-I芯片是英特尔“AI无处不在”战略的一个组成部分。英特尔采用GPU、FPGA以及定制的ASIC来处理人工智能中的各种复杂任务,包括创建用于语音翻译和对象识别神经网络,以及通过推理过程运行训练模型。
Nervana NNP-I芯片足够小,可以通过所谓的M.2存储设备部署在数据中心,然后插入主板标准的M.2端口。这样就可以让英特尔标准的至强处理器从推理工作负载中脱离,更专注于一般性的计算任务。
Moor Insights&Strategy分析师Patrick Moorhead表示:“大多数推理工作负载都是在CPU上运行完成的,即便是像Nvidia T系列这样的加速器可以提供更高的性能。当延迟无关紧要而原始性能更重要的时候,则首选是加速器。英特尔的Nervana NNP-I旨在与Nvidia甚至Xilinx FPGA这样的分立加速器展开竞争。”
英特尔表示,Nervana NNP-I芯片实际上是改进版的10纳米Ice Lake芯片,带有两个计算机核心,图形引擎被剥离以容纳12个推理计算引擎,这些目的都是为了加速推理过程,也就是针对语音和图像识别等任务实施经过训练的神经网络模型。
Constellation Research分析师Holger Mueller表示,这对英特尔来说是一次重要的发布,因为此前英特尔在人工智能推理方面基本处于观望状态。
Mueller说:“英特尔正在提升在能耗和存储方面的能力,并在处理器套件中寻求协同效应。由于Springhill是通过M2设备和端口部署的,这在几十年前称为协同处理器,这有效地卸载了至强处理器。但我们必须等待,看看Springhill能否与更专业的、通常是基于GPU的处理器架构相抗衡。”
好文章,需要你的鼓励
AI项目从试点转向生产阶段时,企业面临意外的云成本激增问题。推理工作负载需要全天候运行以确保服务正常,成本可能一夜间飙升1000%以上。许多公司每月费用从5000美元激增至50000美元。为控制成本,企业开始采用混合架构:将推理工作负载迁移至本地或托管设施,训练任务保留在云端。这种模式可削减60-80%的基础设施支出,在保持性能的同时实现成本可预测性。
北航团队发布AnimaX技术,能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型,仅需6分钟即可完成高质量动画生成,效率远超传统方法。通过多视角视频-姿态联合扩散模型,AnimaX有效结合了视频AI的运动理解能力与骨骼动画的精确控制,在16万动画序列数据集上训练后展现出卓越性能。
企业在AI模型选择上面临开放源码与封闭专有技术的抉择,这一选择对财务和定制化都有重要影响。开放模型如Meta Llama提供更大控制权和定制选项,而封闭模型如OpenAI GPT-4o提供简化使用和企业级支持。专家建议采用投资组合策略,根据准确性、延迟、成本、安全性等因素选择合适模型,而非单一选择。
这项研究解决了AI图片描述中的两大难题:描述不平衡和内容虚构。通过创新的"侦探式追问"方法,让AI能生成更详细准确的图片描述,显著提升了多个AI系统的性能表现,为无障碍技术、教育、电商等领域带来实用价值。