英特尔今天宣布升级旗舰级至强服务器处理器产品线,超过36款基于最新10纳米制程工艺的芯片新品,并提供了包括高速人工智能加速器在内的一系列特性。
此次发布的芯片代号为“Ice Lake”,是英特尔近期对服务器处理器家族最大规模的一次更新。这些芯片将为主流公有云的下一代实例、新型超级计算机和高速5G基础设施等系统提供动力。
英特尔高级副总裁、数据平台事业部总经理Navin Shenoy在今天的线上发布会表示:“未来数据中心将与今天截然不同,现在英特尔打造了企业所需的每一个组件。”
Ice Lake系列被Shenoy称为“我们有史以来最伟大的处理器”,可将每个时钟周期可执行指令数量提高20%,而这是衡量芯片性能的一项关键指标。这一提升主要是由于该系列采用了所谓Sunny Lake的新核心设计。英特尔将不少于40个这种Sunny Lakes核心封装到性能最高的Ice Lake CPU——至强Platinum 8380中,可以在2.3GHz基本频率下支持80个线程。
英特尔表示,此次推出的芯片与上一代服务器CPU相比,有望将“主流数据中心工作负载”的平均速度提高46%。与推出有5年时间的服务器相比,基于Ice Lake的系统将把计算速度提高260%。
每个时钟周期指令数量增加20%,这只是Ice Lake带来的性能提升之一。英特尔的芯片设计人员还增加了板载缓存的空间。板载缓存是一种内存电路,CPU将正在处理中的数据保存在板载缓存中。内存电路越多,一次性可处理的数据就越多。与上一代至强芯片相比,基于Sunny Core的Ice Lake系列的L1缓存空间增加了50%,L2二级缓存空间增加25%。
与此同时,英特尔提高了CPU从RAM获取数据的速度。与上一代至强芯片相比最显着的改进是,所有Ice Lake处理器都有8个内存通道。这意味着可以一次向RAM传输更多数据。
高端至强Platinum 8380还通过支持新的PCIe 4.0硬件互连技术,可以从其他类型的外围硬件(例如图形卡、网络设备和闪存)中更快地获取信息。PCIe 4.0的速度是上一代PCIe 3.0的2倍。
Moor Insights&Strategy总裁兼首席分析师Patrick Moorhead表示:“在市场竞争激烈的背景下,英特尔凭借其第三代至强处理器不断领先。英特尔提供了一种平台方法,为合作伙伴提供了融合CPU、存储、内存、FPGA和网络ASIC的解决方案。这是对英特尔利用资源进行联合营销和共同开发的能力的一个补充。”
英特尔向服务器制造商等合作伙伴主打的另一项Ice Lake亮点是它附带的一组专门处理功能,主要用于增强网络安全和人工智能应用,这些应用使用与标准工作负载不同的数学运算方法来处理数据。
在网络安全方面,旗舰级至强Platinum 8380和其他高端Ice Lake芯片附带了所谓SGX的内存隔离技术,可以让CPU将服务器RAM的一部分转换成“安全区域”,用于保存加密密钥之类的敏感数据。在同一台服务器上运行的其他应用是无法访问这个安全区域中的数据的,即使这些应用对这台服务器拥有完全访问权限。
而且由于Ice Lake芯片中内置了一系列复杂的软件算法,这使得AES、SHA和GFNI等通用加密算法在此芯片上运行的速度会更快,一部分原因是英特尔并行化了一些加密操作,以使其能够并行运行,而不是顺序运行。英特尔的工程师还找到了一种方法,可以在实例中将两个独立的算法压缩到一个工作流程中,以减少处理需求。
对于使用AI模型的应用来说,Ice Lake提供了英特尔DL Boost机器学习加速器,这是这次发布的主要亮点之一,英特尔承诺AI性能将比上一代芯片提高74%,速度比竞争对手AMD的EPYC 7763 CPU快150%。英特尔通过对比两款处理器运行20种主流AI工作负载之后得到了这一数据。
Moorhead认为:“与实力最接近的竞争对手相比,英特尔凭借片上机器学习推理和加密功能脱颖而出。”
尽管Ice Lake直到今天才正式发布,但英特尔实际上已经向早期客户售卖了200,000多个,英特尔称这些芯片主要是被领先的云服务提供商(他们正在打造基于Ice Lake的新实例)、高性能计算实验室和服务器制造商所采购。不少电信设备制造商也在等待购买Ice Lake芯片,一部分原因是该系列中有多款处理器是专门面向运营商的,并针对5G基础设施进行了优化。
好文章,需要你的鼓励
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。
这项研究提出了"思想家"(Thinker)任务,一种受人类双重加工理论启发的新型AI训练方法。研究者将问答过程分解为四个阶段:快速思考(严格预算下给出初步答案)、验证(评估初步答案)、慢速思考(深入分析修正错误)和总结(提炼关键步骤)。实验表明,该方法使Qwen2.5-1.5B模型的准确率从24.9%提升至27.9%,DeepSeek-R1-Qwen-1.5B模型从45.9%提升至49.8%。显著的是,仅使用快速思考模式就能达到26.8%的准确率,且消耗更少计算资源,证明了直觉与深度推理作为互补系统的培养价值。
这项由ELLIS研究所和马克斯·普朗克智能系统研究所的科学家进行的研究,揭示了大语言模型安全测试的根本规律:越狱攻击成功率由攻击者与目标模型间的能力差距决定。通过评估500多个攻击者-目标组合,研究团队发现:更强的模型是更好的攻击者;当目标能力超过攻击者时攻击成功率急剧下降;社会科学能力比STEM知识更能预测攻击成功。基于这些发现,研究者建立了预测模型,表明随着AI进步,人类红队测试可能逐渐失效,提示需要发展自动化安全评估方法及更全面地评估模型的说服和操纵能力。
华中科技大学和香港中文大学研究团队提出SATORI-R1,一种通过空间定位和可验证奖励增强多模态推理的新方法。该方法将视觉问答任务分解为图像描述、区域定位和答案预测三个可验证阶段,解决了自由形式推理中注意力分散和训练收敛慢的问题。实验证明,SATORI-R1在七个视觉问答基准上一致提升性能,最高达15.7%,并展示出更聚焦的视觉注意力和更低的训练方差。