至强D系列处理器是针对软件定义的网络和边缘而开发的全新英特尔片上系统
最新消息:在2022年巴塞罗那世界移动通信大会前夕,英特尔推出了全新英特尔®至强® D系列处理器:D-2700 和 D-1700。作为英特尔最新的片上系统(SoC),该系列产品面向软件定义的网络及边缘而打造,集成了AI和加密加速功能、内置以太网、可支持英特尔®时序协调运算(英特尔® TCC)和时间敏感网络(TSN),并且具备工业级可靠性。全新英特尔至强D系列处理器能够将计算加速扩展到核心数据中心之外,从而为关键的网络和边缘用例以及工作负载提供更好的整体体验。
英特尔公司网络与边缘事业部副总裁兼网络平台事业部总经理Dan Rodriguez表示:“随着行业进入软件定义一切的时代,英特尔正在面向网络和边缘提供可编程平台,以支持行业迄今为止所经历的最为重大的转型之一。基于此,全新英特尔至强D处理器应运而生。该处理器采用久经考验且值得信赖的英特尔架构,为广泛的使用场景而设计,将释放网络和边缘的创新潜力。”
重要意义:截至2026年,不断增长的网络和边缘基础设施市场机遇将达到770亿美元¹;截至2025年,预计超过50%的数据将在传统数据中心之外产生和处理²。基于此,全新英特尔至强 D系列处理器将通过专有功能来满足软件定义的网络和边缘独特的工作负载需求。
全新英特尔至强D系列处理器如何赋能客户:该款处理器面向最棘手的用例而打造,例如安全设备、企业路由器和交换机、云存储、无线网络、AI推理和边缘服务器等。通过结合英特尔®集成以太网、英特尔® QuickAssist 技术、英特尔®软件防护扩展技术以及英特尔®AVX-512指令集带来的AI加速功能,该款处理器将提供突破性的性能。
乐天移动在日本部署了全球首个开放的、完全虚拟化的云原生基础设施,为合作伙伴和终端客户提供可靠、灵活、可扩展、安全且富有弹性的移动网络。它采用全新英特尔至强 D系列处理器,在满足Symware设计规范的同时,实现了最优性能。Symware是由乐天移动与英特尔和瞻博网络联合开发的一款紧凑、轻巧、自冷却和防风雨的容器化RAN解决方案。这也十分适用于全球人口密集程度最高的城市环境,例如东京便通过采用英特尔技术展现出vRAN的强大功能。
关于全新英特尔至强D系列处理器:作为英特尔网络与边缘处理器系列的两个新成员,英特尔®至强®D-2700和英特尔®至强®D-1700能够在客户最需要计算的地方满足其需求,如空间和电源受限的环境。它们具有工业级的可靠性、多种基于硬件的安全功能和多达56个高速PCIe通道,可支持高达100GbE的高带宽网络。英特尔®至强®D-1700可从4核数扩展到10核数,英特尔至强D-2700则可从4核数扩展到20核数,二者均能够为客户提供广泛的平台,使其能够根据所需的计算和性能来定制解决方案。
全新英特尔至强D系列处理器具备以下特性:
• 最高支持4通道、频率3200Hz的DDR4内存
• 以太网吞吐量高达100 GbE
• 高达32/64个4.0 PCIe 通道
基于Sunny Cove核心架构,全新英特尔®至强® D系列处理器可提供:
• 改进的前端、更高的容量及改进的分支预测器
• 以更广泛的分配、更大的结构和执行资源确保更宽、更深的机器部署
• 过渡线缓冲器(TLB)、单线程执行和预取技术的加强
• 针对数据中心优化的新功能,包括更大的中级缓存(l2)和更高的矢量吞吐量
全新处理器实现了如下的代际性能3提升:
• 对于视觉处理推理,性能提升高达2.4倍
• 对于网络边缘的5G UPF等复杂的网络工作负载,性能提升高达1.7倍
• 对于SD-WAN、SASE和采用IPSec的边缘用例,性能提升高达1.5倍
• 对于采用TLS的应用交付控制器和安全设备用例,性能提升高达1.8倍
• 对于通信设备,性能提升高达1.56倍
关于生态系统合作:英特尔的网络及边缘技术支持众多行业用例,包括工厂、智慧城市、医院等,因为这些使用场景都需要在更靠近数据生成的位置处理计算。超过70家领先技术公司正在与英特尔合作,共同设计采用全新英特尔至强D系列处理器的产品,包括思科、瞻博网络和Rakuten Symphony等。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。