今天,多家主流芯片制造商宣布将联合创建一项小芯片技术行业标准。小芯片(chiplet)是很多现代处理器的一个重要组成部分。
参与该计划的厂商包括ASE、AMD、Arm、英特尔、高通、三星和TSMC,此外还有微软、Facebook母公司Meta、谷歌云等。
他们的目标是制定一项行业标准,适用于开发使用小芯片技术的处理器。小芯片是一种针对特定任务优化(例如运行AI模型)的集成电路,多个此类集成电路可以链接在一起以形成单个处理器。
如今市场中有很多最先进的处理器都是使用小芯片技术制造的。例如,AMD的旗舰Ryzen CPU,就包含了多个小芯片。英特尔的Ponte Vecchio也是基于小芯片技术的,这款数据中心芯片拥有1000亿个晶体管,经过优化可运行AI工作负载。
一组小芯片并不是简单地焊接在一起形成一个处理器的,相反,必须以允许数据可在各个小芯片之间传输以能处理数据的方式链接在一起,这也正是英特尔和AMD希望通过与其他主流科技企业共同制定新行业标准来满足的要求。
目前该标准命名为UCIe,旨在提供一组通用技术的最佳实践,以开发能够将多个小芯片链接称一个处理器的技术,这种技术也被称为互连。
打造通用的最佳实践,可以简化芯片制造商的产品开发过程,让他们能够吸取其他市场参与者已有的技术经验教训,从而让芯片制造商将新产品更快速地推向市场。
还有另外一个可能也很重要的好处。从理论上说,未来兼容UCIe新标准的小芯片都可以链接在一起,形成单个处理器,即使这些小芯片是由不同公司制造的,这样就有机会开发结合了来自不同芯片制造商不同技术的新型处理器。
这次发布的UCIe小芯片标准,指定了在处理器中链接小芯片应该满足的一系列要求,其中涉及到一些技术细节,例如电信号在处理器不同部分之间传播的方式,此外还涵盖其他领域,例如芯片制造商可以测试其芯片以确保兼容UCIe。
英特尔执行副总裁、数据中心和人工智能业务总经理Sandra Rivera表示:“将多个小芯片集成在一个封装中提供跨细分市场的产品创新,这是半导体行业的未来,也是英特尔IDM 2.0战略的支柱。”
UCIe让芯片制造商能够打造把不同来源的小芯片整合到一个处理器上的硬件机制。据AnandTech称,芯片制造商可以使用基于硅的技术和其他方法。UCIe则有望促进互连的创建,让小芯片之间的数据迁移速度达到每秒每毫米1.3 TB。
该标准还指定了管理小芯片之间数据传输的协议或程序集,协议的基础是被数据中心广泛采用的PCIe技术。此外,参与该技术的厂商将开发软件和工具,帮助芯片制造商确保其产品符合标准。
微软杰出工程师Leendert van Doorn表示:“微软加入UCIe行业组织旨在加快数据中心创新的步伐,实现芯片设计新的突破。我们期待把该组织的努力与我们自己的成就相结合,推动硅架构功能的持续改进,造福于我们的客户。”
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。