算机芯片厂商英特尔正在重新构想半导体创新的愿景。今天,英特尔公布了公司有史以来最雄心勃勃的路线图。英特尔表示,新的芯片和封装技术将帮助英特尔在2025年之前重新夺回处理器市场的领导地位。
英特尔公司首席执行官Pat Gelsinger今天在Intel Accelerated大会上表示,未来英特尔的产品创新将不再采用之前以纳米进行命名的惯例,相反会采用一种新的命名方法,Gelsinger称其将“更准确地反应整个行业的工艺节点”。
他在这次大会直播中表示:“我们正在加速创新路线图,确保我们有一个清晰的路线在2025年之前实现制程性能的领先。我们正在利用无与伦比的创新渠道来提供从晶体管到系统级的技术变革。我们将坚持不懈地追求摩尔定律和利用硅的魔力引领我们的创新之路。”
新的命名方案意味着英特尔第三代10纳米芯片将被命名为“Intel 7”。尽管乍一看,似乎是英特尔以一种简单直白的方式把自己即将推出的10纳米芯片矛头直接对准了竞争对手的7纳米产品,但有分析师表示事实并非如此。
众所周知,英特尔10纳米芯片或多或少与AMD的7纳米芯片是相提并论的,因为两者都采用了类似的生产技术并且晶体管密度也比较接近。
Moor Insights & Strategy分析师Patrick Moorhead认为:“英特尔在节点命名上比台积电和三星更坦诚。考虑到台积电和三星的命名方式,我认为英特尔的做法是更公平和可信的。目前还没有行业标准方法来对这些节点进行对比。”
英特尔表示,预计很快将推出Intel 7产品,之前预览的Alder Lake处理器将于2021年底用于消费级产品中,Sapphire Rapids数据中心芯片将于2022年推出,这些芯片都是英特尔10nm SuperFin——第二代10纳米硅芯片——的下一代。
今天英特尔表示,Intel 7的每瓦性能将提高10%至15%。如果硬件制造商选择不追求额外性能的话,Intel 7还可以提供更高的能效和更长的电池寿命。
英特尔路线图上的第二个新产品是Intel 4,如果是按照旧命名方式的话该架构应该是7纳米制程工艺。此前英特尔不得不把该芯片的发布时间从最初的2021年推迟到2023年,使其声誉遭受了巨大的损失,但是现在,应该正在重新回到轨道上来。
Intel 4将是下一个重大的技术飞跃,将采用极紫外光刻(EUV)技术来制造处理器,目前英特尔竞争对手三星和台积电的5纳米产品中都已经采用了该技术。
英特尔表示,Intel 4的每平方毫米晶体管密度大约是2-2.5亿个,而台积电当前5纳米节点上的晶体管密度约为每平方毫米1.713亿个,这将使得每瓦性能比当前这一代提高约20%。英特尔定于明年下半年量产Intel 4,首批产品预计将在2023年上市销售。
英特尔路线图上下一个产品是Intel 3,它将采用和Intel 4相同的架构,但提供了各种优化以提高性能。英特尔将在2023年下半年投产Intel 3芯片,预计采用该芯片的产品将在2024年上市。
继续,事情就开始变得有趣了。英特尔表示,将进入所谓的芯片设计“埃时代”(Ångstrom Era。埃是小于纳米的测量单位,20埃等于2纳米。Intel 20A将成为第一个以埃为单位测量的芯片,采用名为RibbonFET的全新架构。
Gelsinger说,这是一种全新的晶体管技术,可以实现更高的密度和更小的尺寸,还将采用一种“PowerVia”技术,让硅晶片可以从芯片背面供电,而不是从晶圆正面进行布线。
Gelsinger在大会期间表示,2024年开始提高产品的时候,高通将成为首批使用英特尔Ångstrom 20A工艺服务的客户之一。
英特尔还展望了Intel 20A的下一代,据称Intel 18A有望在2025年初开始生产,该芯片将对RibbonFET进行改进,带来晶体管性能的又一重大提升。Intel 18A芯片将采用下一代High NA EUV技术进行生产制造。
Pund-IT分析师Charles King表示,需要注意的是,纳米工艺术语只关注半导体设计的一个方面,并不能准确反映芯片新技术的创新和改进。
“对于客户和最终用户来说,最重要的是稳定、可靠地交付新的和改进的硅芯片功能。如果英特尔能够兑现Gelsinger有关Intel 20A的承若,那么英特尔应该可以继续保持长期的市场领先地位,并重新获得半导体开发和制造领域领先创新者的地位。”
Constellation Research分析师Holger Mueller表示,当然有重要的一点需要记住,那就是英特尔仍然落后于竞争对手,因此很难在短期内取得领先。“很高兴看到英特尔能够脚踏实地,将未来几年的规划仍然落点在10纳米上。另一方面,如果竞争对手的7纳米芯片展现出更高的效率,那么短期来说英特尔就会面临更大的压力。”
英特尔能否迎头赶上并且重新占据半导体领域的领先地位,这还有待观察,而且很大程度上要取决于英特尔要避免10纳米和7纳米工艺制程的延迟,不过从今天英特尔公布的雄心勃勃的计划中我们可以清楚地看出,英特尔是不会不战而退的。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。