当今智能手机、电脑和服务器中的大多数芯片都是由多个较小芯片密封在一个矩形封装中来组成的。
这些通常而言包括CPU、图形卡、内存、IO等在内的更多芯片是如何进行通信的?一种被称为EMIB(嵌入式多芯片互连桥接)的英特尔创新技术将带给你答案。它是一种比一粒米还小的复杂多层薄硅片,可以让相邻芯片以惊人的速度来回传输大量数据,高达每秒数GB。
英特尔EMIB(嵌入式多芯片互连桥接)技术帮助实现包括CPU、图形卡、内存、IO及其它多个芯片间的通信。EMIB是一个比一颗香米粒还小的复杂多层薄硅片,可以在相邻芯片间传输大量数据。(本图已获Walden Kirsch/英特尔公司授权)
当前,英特尔EMIB加速了全球近100万台笔记本电脑和FPGA(现场可编程门阵列)设备之中的数据流。随着EMIB技术更加主流化,这个数字将很快飙升,并覆盖更多产品。例如英特尔于11月17日发布的“Ponte Vecchio”通用GPU,就采用了EMIB技术。
为了满足客户的独特需求,这种创新技术允许芯片架构师以前所未有的速度将专用芯片组合在一起。传统的被称为中介层(interposer)的竞争设计方式,由内部封装的多个芯片放置在基本上是单层的电子基板上来实现的,且每个芯片都插在上面,相比之下,EMIB硅片要更微小、更灵活、更经济,并在带宽值上提升了85%。如此可以让你的产品,包括笔记本电脑、服务器、5G处理器、图形卡等运行起来快得多。下一代EMIB还可以使这个带宽值提高一倍甚至三倍。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。