英特尔的研究人员近日宣布在集成硅光子学领域取得了一些值得注意的进展,为实现处理器之间更高速的互连铺平了道路。
英特尔实验室(Intel Labs)表示,这一研究代表了扩展数据中心计算处理器之间的通信带宽以及跨不同网络通信带宽的“下一个前沿”。
硅光子学是一种将硅集成电路与半导体激光器相结合的技术,主要好处是能够比传统电子设备在更长的距离上更快速地传输数据。英特尔在其官网上解释说,硅光子学提供了更高的带宽、对计算和存储资源的软件可配置访问,同时还让软件定义的基础设施可以为分散的数据中心解耦硬件和软件资源。
英特尔是集成光子学领域的领导者,现有的100G收发器是5年前推出的,如今英特尔已经开始推进400G收发器的商用化,800G也列入了路线图中。然而,为了更进一步,英特尔需要找到一种方法把光子学与硅更紧密地进行集成。目前,英特尔已经在“共同封装光学”领域取得了进展,但最终目标是实现完全集成,也就是光子集成电路直接连接到计算的其他部分。
现在,英特尔提出了一种新技术来实现这一目标。英特尔实验室表示,预计该技术将让未来的I/O光子接口具有更高的能效和带宽、更远的覆盖范围。
这一发现集中在获得良好匹配的输出功率、均匀和密集间隔波长的可能性上。英特尔实验室高级首席工程师Haisheng Rong表示,利用英特尔晶圆厂现有的制造和工艺技术可以实现这些技术改进,从而确保对“下一代联合封装光学和光学计算互连的大规模量产”。
英特尔实验室表示,这项研究展现了他们在多波长集成光学领域取得的关键进展,例如,英特尔实验室展示了一个八波长分布式反馈激光阵列(如图),该阵列完全集成在硅晶片上,提供的输出功率均匀性和波长间隔均匀性远远超出现有标准所能达到的水平。
这一切意味着英特尔很快将能够开发一种光源,实现完全集成的光子学,为未来要求更高的大批量应用提供所需的性能。要满足这些需求,就要能够应对网络密集型工作负载(例如人工智能和机器学习)的光学计算互连需求。英特尔表示,这一激光阵列是在英特尔现有300毫米硅光子制造工艺基础上开发的,为大规模生产和行业广泛部署奠定了基础。
值得注意的是,与英特尔在3英寸或4英寸III-V晶圆厂中生产的传统半导体激光器相比,这项新技术实现了更好的波长均匀性。此外,由于紧密集成了激光器,当环境温度发生变化时,阵列仍能保持通道间距。
英特尔表示,该技术将用于未来光学计算互连小芯片产品中,这种产品将提供“包括CPU、GPU和内存在内的计算资源之间的高能效、高性能、每秒多兆比特的互连”。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。