今天,在英特尔研究院开放日上,英特尔着重阐述了其业界领先的技术进步,向实现将光子与低成本、大容量的硅芯片进行集成的长期愿景又迈进了一步。这些进步代表着光互连领域的关键进展,它们解决了电气输入/输出(I/O)性能扩展上与日俱增的挑战——目前需要大量数据计算的工作负载已经让数据中心的网络流量不堪重负。英特尔展示了包括微型化在内的关键技术构建模块的多项进展,为光学和硅技术的更紧密集成奠定了坚实基础。

英特尔资深首席工程师,英特尔研究院PHY研究实验室主任James Jaussi 表示:“我们正在靠近I/O功耗墙(Power Wall)和I/O带宽鸿沟,这将严重阻碍性能扩展。英特尔在集成光电技术方面所取得的快速进展,将让业界能够重新构想通过光来连接的数据中心网络和架构。目前,我们已经展示了与CMOS芯片紧密集成的一个硅芯片平台上所有关键的光学技术构建模块。我们将光子技术与CMOS硅芯片紧密集成的研究,能够系统地消除成本、能源和尺寸限制方面的障碍,以便为服务器封装赋予光互连的变革性能力。”
在数据中心里,新的以数据为中心的工作负载每天都在增长,随着服务器间的数据移动不断增加,对当今的网络基础架构提出了新的挑战。行业正在迅速接近电气I/O性能的实际极限。随着计算带宽需求不断增长,电气I/O的规模无法保持同步增长,从而形成了“I/O功耗墙”,限制了计算运行的可用能源。通过在服务器和封装中直接引入光互连I/O,我们就能打破这一限制,让数据更有效地移动。
在今天的英特尔研究院活动上,英特尔展示了在关键技术构建模块方面的重大进展,这些构建模块是英特尔集成光电研究的基础。这些技术构建模块包括光的产生、放大、检测、调制、互补金属氧化物半导体(CMOS)接口电路以及封装集成,对于实现集成光电至关重要。此次活动中展示的原型将光子技术与CMOS技术进行了紧密结合,这是未来光子技术与核心计算芯片完全集成的一次概念验证。英特尔还展示了比传统组件小1000倍的微型环调制器。一直以来,传统芯片调制器的大尺寸和高成本都是将光技术引入服务器封装中的障碍,服务器封装需要集成一百个这样的器件。所有上述进展为硅光子的扩展应用奠定了基础,这些应用不仅限于网络上层,而且还包括服务器内部以及今后的服务器封装。
构建模块关键技术包括:
英特尔多年前提出宏大的目标,让光作为连接技术的基础。本次活动展示的集成光电技术研究即是向这一目标迈进所取得的意义深远的进展。这项新的研究开启了更多的可能性,包括更为分散的未来架构,多个功能模块,如计算、内存、加速器和外围设备将遍布整个网络,并在高速和低延迟链路中通过光学技术和软件互连。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。