Movidius技术已在第13代酷睿芯片中有所应用,并将成为下一代消费级芯片的主流配置。
在即将推出的所有Meteor Lake消费级CPU型号当中,英特尔将全面引入2016年收购自Movidius的“VPU”技术。
芯片巨头已经在部分第13代酷睿芯片中提供VPU。在本届中国台湾Computex大会之前,英特尔还专门介绍了在新一代酷睿家族中引入VPU的具体情况。
有趣的是,英特尔并没有对VPU的全称做出解读,只能结合之前的公告将其理解为“视觉处理单元”。但这一次,英特尔掌握的不只是技术愿景,而是更加清晰的实际作用和应用场景。
英特尔副总裁兼Cilent AI总经理John Rayfield表示,考虑到如今AI已经在PC工作负载领域占据主导,必须要打造专用的AI处理芯片。他表示视频会议已经将大量AI增强视频作为基础功能,帮助参会者们提升语音质量。为此,消费者当然希望自己的PC能在运行Zooming、WebExing或者Teamising时有更出色的表现。另外,电子游戏中也在大量运用AI技术。GPT等语言模型和Stable Diffusion等图像创作工具也已经在PC上流行起来,甚至可在本地设备上直接运行。
而如今的CPU和GPU已经承担着繁重的工作,Rayfield认为额外的AI负载恐怕会超出其容量上限。
将这些工作负载转向云端则会带来高昂成本,而且很多消费者希望能在本地PC端直接运行。
为此,Meteor Lake即将全面迎来VPU,并且以SoC的形式出现。其使用英特尔的Foveros封装技术将CPU、GPU和VPU融合起来。
VPU主要肩负“持续AI与AI分担”任务。CPU继续以低延迟执行简单的推理作业,这种方式的成本往往低于通过驱动程序将工作负载分流至其他位置。GPU则执行对并行性能和吞吐量要求较高的工作。至于其他AI相关负载,将被全面移交给VPU。
英特尔表示,与以往推出的每一代新产品一样,VPU和Meteor Lake将给PC领域掀起一轮巨大变革,让设备更加强劲、也让世界变得更美好。
关注PC市场的朋友应该了解,随着新冠疫情的逐步褪去,PC销售额目前正趋于下滑。毕竟现有CPU型号总体上仍可满足当前工作负载、PC设备的耐用度越来越高,加上企业客户刚刚经历Windows 11升级和远程办公引发的双重大采购,所以PC买家们在整体疲软的经济形势下往往选择捂紧钱包。
英特尔希望将AI引入桌面平台,包括嵌入各类应用程序乃至本地运行Stable Diffusion等专业软件。一旦成功,市场都将再次焕发活力,为搭载VPU的Meteor Lake SoC提供旺盛的需求空间。
Meteor Lake SoC。中间的晶片即VPU。
但奇怪的是,英特尔在短短一周内两次公布了Meteor Lake的VPU技术。第一次是在微软Bild大会上透露了新平台将搭载VPU的消息。而在Computex大会前,芯片巨头又宣称所有Meteor Lake产品都将配备这款加速器。
遗憾的是,英特尔似乎并不打算把Computex大会当作发布的舞台。根据我们的猜测,芯片巨头很可能会在公布Meteor Lake的同时重整品牌战略,意味着经典的“酷睿”品牌可能将被弃用。
英特尔曾经在一年一度的Computex上大放异彩,这显然是对中国台湾半导体力量对英特尔乃至整个PC产业生态重要贡献的肯定。但在疫情这四年来首度重新回归线下的本届Computex大会上,我们恐怕很难看到芯片巨头的重量级发布,大多只是对既有公告的再次强调。很明显,28亿美元的季度亏损和大规模裁员已经对英特尔产生了直接影响。
好文章,需要你的鼓励
2025年人工智能在企业中实现突破性应用,从实验阶段转向实用阶段。八位代表性CIO分享核心经验:AI工具快速进化、需保持快节奏实验思维、重视工作流程而非组织架构、数据质量成为新挑战、采用前瞻性指标管理项目、无需等待完美时机、AI既是技术也是社会文化现象、需严格项目管理、变革重在人员而非技术、多智能体架构成未来趋势。
NVIDIA研究团队构建了迄今最大的数学推理数据集Nemotron-Math,包含7500万条推理轨迹,通过多模式推理和工具集成让AI在数学竞赛中达到100%满分。该研究还提出了创新的分桶训练策略,将超长文本训练效率提升2-3倍,为AI数学推理能力的突破和实际应用奠定了重要基础。
日本科技投资巨头软银需要在年底前筹集225亿美元,以履行对AI合作伙伴OpenAI的资金承诺。软银是OpenAI价值5000亿美元Stargate数据中心计划的主要资助者之一。为筹集资金,软银CEO孙正义可能动用多种手段,包括利用其持有的英国芯片设计公司Arm股份作为抵押贷款。软银已清仓英伟达股份为该项目提供资金,目前可通过Arm股份借贷115亿美元,还持有价值110亿美元的T-Mobile股份及270亿美元现金储备。
清华大学研究团队提出JustRL方法,用单阶段训练和固定参数的简单强化学习配方训练15亿参数AI模型,在九个数学基准测试中达到54.9%和64.3%的平均准确率,性能匹配或超越复杂多阶段方法,同时计算资源减半。研究挑战了AI训练中的复杂化趋势,证明简单方法的有效性。