EPAC加速器首次成功运行“Hello, World!”程序
欧洲处理器计划(EPI)已经成功对其基于RISC-V架构的欧洲处理器加速器(EPAC)完成了首轮测试,并宣称这代表着欧洲向本土超级计算硬件迈出了坚实的第一步。

EPI于2018年建立,旨在提高欧洲超级计算行业面对外国科技企业时的独立自主能力。其核心在于采用自由开源的RISC-V指令集架构,进而在欧洲境内开发并生产高性能芯片。
该项目的最新里程碑为成功交付143个EPAC芯片样本——这款加速器专为高性能计算应用所设计,并围绕自由开源RISC-V指令集架构构建而成。这些22纳米测试芯片(由GlobalFoundries制造而成,这是一家于2009年从AMD拆分出来的欧洲半导体制造商)旨在证明处理器的设计可行性,目前已经通过初步测试、顺利完成了裸机“hello,world”程序的运行。
这也代表着一场快速转变。EPAC设计于今年3月在FPGA上得到验证,项目本身于6月宣布进行流片测试,其面积达到26.97平方毫米,可放置1400万个实例、相当于9300万个门,其中包含991个存储器实例。
虽然这块包含完整EPAC设计功能子集的FPGA变体能够在展示中成功启动Linux操作系统,但后来的物理测试芯片目前还只能实现最基础的裸机工作负载测试——很明显,EPI还有很多工作没有完成。
作为欧盟欧洲高性能计算联合计划EuroHPC的一部分(英国并非参与),EPI已经得到有力的资金支持。其成员名册则囊括来自欧洲十个国家的科技企业与学术机构大牛,具体涵盖法国Atos、意法半导体意大利分部、德国英飞凌以及Fraunhofer-Gesellschaft(FhG)、宝马集团、巴塞罗那超级计算中心(BSC)、ETH Zürich、Instituto Superior Técnico、萨格勒布大学以及希腊研究与技术基金会(FORTH)。
EPAC 1.0芯片这样的成果离不开团队的协同努力,其中采用由SemiDynamics设计的“微片”矢量处理核心、巴塞罗那超级计算中心与萨格勒布大学的专用矢量处理单元、由Chalmers设计的“主节点”、来自FORTH的L2缓存,来自Faunhofer、ITWM与ETH Zürich的模板与张量加速器(STX),以及由CEA LIST开发的深度学习工作负载加速型可变精度处理器等等。这一切都由EXTOLL打造的片上网络与高速串行系统捆绑在一起。
而这些还只是EPI着手推进的三大技术路线之一。第二种则是通用处理器(GPP),将采用加速器作为中央处理单元核心与嵌入式FPGA(eFPGA)旁边的节点。第三条则是汽车路线,希望将通用处理器路线中得到的技术从数据中心转移至车辆之内,由此加快自动驾驶系统(ADS)的发展速度。
在降低对外国技术的依赖度方面,欧盟绝不是在孤军奋战。今年早些时候,俄罗斯公布了一项以RISC-V部件为中心的国家数字化计划,明确将国内现有Elbrus原研芯片定为发展基础;与此同时,中国也在努力开发名为XiangShan的高性能RISC-V系列芯片,并计划在明年年底之前部署2000台RISC-V笔记本电脑。印度的自供应计划“Atmanirbhar Bharat”也涉及到处理器领域,希望将RISC-V设计范围从可扩展部件延伸至类似EPI的超级计算机芯片当中。
EPI计划已经确认在着力验证芯片上的其他IP模块,目标是在现有FCBGA封装测试芯片版本中实现1 GHz工作主频,并进一步推进EPAC设计的开发与优化。但EPI并没有立即向媒体提供可供发布的技术路线图发展状态。
RISC-V国际与FOSSi基金会主管Stefan Wallentowitz在采访中表示,“开源芯片是EPI等组织的绝佳推动者。利用开源组件构建现代及未来高性能计算平台的努力,不仅全面展示出开源芯片的发展潜能、也有助于围绕开源成果建立社区。我们希望这种努力能够衍生出更多合作与开放产出。”
如果项目一切进展顺利,那么第一款RISC-V加ARM核心混合EPI通用处理器将于明年正式亮相。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。