Arm宣布推出Cortex-R82,该芯片旨在支持可以同时保存数据和处理数据的新一代存储设备。
这种新型硬件称为计算存储,有助于为延迟敏感型工作负载(例如机器学习和实时分析应用)提升速度。
通常来说,存储数据和处理数据的任务被分配给系统内部的单独组件去完成,磁盘或闪存驱动器用于保留信息,单独的处理器用于处理信息,每次执行操作的时候,数据都必须从存储驱动器传输到处理器,然后再返回,这个过程会导致一定的延迟,从而降低性能。
这种新型计算存储设备的目标是消除这个过程中的延迟,以加快应用的速度。存储驱动器使用内置控制器在本地处理器信息,而不是将信息发送到单独的芯片进行处理。控制器是闪存和磁盘驱动器中的一个微型计算模块,通常只用于执行低级别任务,例如写入数据和读取数据。
Arm此次新推出的Cortex-R82将被用作计算存储设备的控制器,即可以作为芯片设计提供,硬件制造商也可以根据需要进行许可和定制。
Arm称,Cortex-R82最多可以配置8个处理核心,其性能是上一代R8产品的2倍,计算能力的提升让Cortex-R82可以直接在存储驱动器内部运行完整的Linux发行版和应用。
那些计划在存储驱动器上运行机器学习模型的企业,可以通过为Cortex-R82配备Arm Neon机器学习技术来获得更高的性能。Arm表示,与上一代R8相比,Neon将神经网络的性能提高了14倍。
计算存储硬件有许多潜在的应用场景。例如,一家建筑企业可以在建筑工地部署安全摄像头,使用运行在内部闪存驱动器上的AI模型,发现潜在的危险。Arm也列出了一些更为传统的数据中心使用场景,例如数据库加速、视频转码和实时分析。
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。