新版工具包显著地扩展了oneAPI跨架构开发的能力范围,供开发者进一步创新

英特尔发布了oneAPI 2022工具包。此次发布的最新增强版工具包扩展了跨架构开发的特性,为开发者提供更强的实用性和更丰富的架构选择,用以加速计算。
英特尔公司首席技术官、高级副总裁、软件和先进技术事业部总经理 Greg Lavender表示:“我十分敬佩oneAPI软件工程团队所完成的900多项技术改进,这些技术改进加速了关键应用工作负载在英特尔的客户端和服务器CPU和GPU上的开发时间和性能。深度技术创新的丰富oneAPI套组符合关键的行业标准,让应用程序开发者能获得从云到边缘更出色的运行性能。今天发布的oneAPI 2022版本,已准备好多语言支持和跨架构性能加速,以进一步提高英特尔平台上程序员的生产力。”
新功能包括第一款能执行C++、SYCL和Fortran的统一编译器,用于CPU和GPU的Data Parallel Python,先进的加速器性能建模和调试,以及用于AI和光线追踪可视化工作负载的性能加速。oneAPI跨架构编程模型为开发者提供了工具,旨在构建跨架构应用程序时提高代码开发的效率和速度的工具。
据Evans Data的调查显示,40%的开发者需要在异构系统上使用一种以上的处理器、处理器内核或协处理器[1]。oneAPI正在推动跨CPU、GPU、FPGA及其他加速器的异构构造中的跨架构计算创新,加速其步伐。跨架构计算创新需要软件将其中要素组合成一个完整的解决方案。oneAPI让开发者可以自由地为特定解决方案选择最佳硬件,而无需承担专有编程模型的经济和技术负担。
2022年英特尔® oneAPI工具包通过一套完整的先进工具,包括编译器、库、预优化框架、分析器和调试器,提供性能和生产力。自去年以来,增加了超过900个新的、增强的功能,加强了基础和特定领域工具包中的每一个工具。新版本现可在英特尔® DevCloud中免费下载或使用。
跨架构编程
在最新硬件上的性能
提升开发生产力的先进工具
更多背景资料请访问:英特尔oneAPI 2022介绍 | 英特尔On技术创新峰会(新闻资料)|英特尔oneAPI工具包| oneAPI | oneAPI相关评价 | 英特尔oneAPI工具包解析 | 英特尔oneAPI卓越中心
关于英特尔® oneAPI工具包:英特尔oneAPI工具包提供了为英特尔CPU、GPU和FPGA等开发高性能跨架构应用程序和解决方案所需的工具。oneAPI的组合工具包(基本工具包和特定领域的附加组件)简化了编程,帮助开发者提高生产力并提供出色性能,加速创新。这些工具包包括用于高性能异构计算的先进优化编译器、库、框架和分析工具,实现了oneAPI规范并与优化工具协同工作。
关于oneAPI:oneAPI提供一个开放、统一的跨架构编程模型,旨在简化跨多架构的开发过程(如CPU、GPU、FPGA、其他加速器)。oneAPI让开发者在一个开放、基于标准的编程环境中,打破基于单个厂商的封闭式编程模型的限制,为加速计算提供出色性能,并且允许代码持续迭代。
注意事项与免责声明
[1] Evan Data2020年全球发展调查第2卷
[2] 英特尔®DPC++兼容性工具工作流迁移:英特尔预估,截止至2021年9月。基于对一组 70 个 HPC 基准测试和样本的测量值,例如 Rodinia、SHOC、PENNANT 迁移到Data Parallel C++ (DPC++)。结果可能会有所不同。
[3] 加速你的AI Today解决方案摘要,英特尔,2021
[4] 新的第三代英特尔®至强®可扩展处理器通过Scikit-learn的英特尔®扩展展示了机器学习性能的领先地位,英特尔,2021
性能因使用、配置和其他因素而异。如需了解更多信息,请前往www.Intel.com/PerformanceIndex.
性能结果基于配置中显示的日期进行测试,且可能并未反映所有公开可用的安全更新。详细配置请参见备份。
没有任何产品或组件是绝对安全的。
实际成本与测试结果可能有所差异。
英特尔技术可能需要启用硬件、软件或服务来激活。
英特尔公司不控制或审核第三方公司的数据。您应该咨询其他来源以评估准确性。
© 英特尔公司。 英特尔、英特尔logo、至强、酷睿、VTune、OpenVINO及其他英特尔标识是英特尔公司或其分支机构的商标。
文中涉及的其它名称及品牌属于各自所有者资产。
好文章,需要你的鼓励
全球数据中心建设需求持续高涨。北美方面,美国数据中心建设支出年化达510亿美元,微软在威斯康星州开放33亿美元设施,亚马逊和谷歌宣布在密苏里州合计投资250亿美元。欧洲方面,SoftBank将在法国建设5GW AI数据中心,投资额达750亿欧元。亚太地区,AirTrunk计划在印度投资210亿美元建设3GW数据中心。中东与非洲地区也有多项大规模项目落地。
这项研究提出Epi2Diff方法,通过将大型推理模型的解题思考过程拆解为认知片段序列,提取过程特征预测考题对人类的难度,在四个真实考试数据集上超越了所有对比基线。
随着企业将AI融入机器人、工业设备等物理基础设施,边云协同架构正成为关键课题。以Luminous Robotics和先正达为例:前者在太阳能农场部署的机器人每秒做出10次决策,数据定期上传云端持续优化模型;后者通过Cropwise平台整合卫星、无人机、拖拉机传感器数据,辅助农民完成约150项农业决策。两家公司均强调,边缘端负责实时响应,云端负责模型训练与更新,同时保持人工监督以确保安全与准确性。
南京大学与阿里巴巴提出MIMFlow,将掩码图像建模与标准化流端到端融合,让生成模型专注语义建模,以更少参数和更少令牌在ImageNet上取得FID 2.50的优异表现。