经比较测试,英特尔在AI等关键工作负载上相较于竞争对手拥有更优的性能,以及更低的总体拥有成本(TCO)
随着第四代英特尔®至强®可扩展处理器在2023年1月的正式推出,英特尔通过其业界领先的加速器引擎在性能方面取得了重大进展,并在AI、数据分析、科学计算(HPC)等关键工作负载方面提高了每瓦性能。其中,第四代至强的快速出货、被全球客户的广泛采用,以及在广泛商业应用场景中的多元化关键工作负载上表现出的领先性能,均已引起业界关注。

今日,在经过数周与最具可比性的竞对处理器严格、全面的比较测试后,英特尔分享了相比于简单的行业基准测试更为令人信服的结果。
英特尔公司副总裁兼至强产品部总经理Lisa Spelman指出:"诚如我们在第四代至强可扩展处理器发布时所言,该产品在支持客户最重要的工作负载上处于行业领先地位,现在,我们有了具体的数据可以进行佐证,这些数据有助于消除不确定性,证明至强相比业界其他产品具备持续的价值和领先地位。"
在主流计算中,更快获取数据与洞察
目前,市场上最常部署的解决方案是基于中等核数所提供的,在该领域中,每核性能、功耗以及吞吐量是关键的性能指标。基于此,英特尔将其32核的第四代至强可扩展处理器与竞争对手最佳、主流的32核处理器进行了比较。
通常来说,像SPEC CPU这样的通用基准测试是非常重要的,但是对于工作负载需求不断变化的客户来说,此类测试并不能完全展现整体性能情况。实际上,在诸如数据库、网络和存储等对客户至关重要的工作负载上,至强可扩展处理器可以通过提供更高的CPU性能、更高的每瓦特性能,以及更低的总体拥有成本(TCO)轻松击败竞争对手。此外,客户还看到了减少服务器数量、总体功耗,以及降低二氧化碳排放等重要的可持续发展优势。
AI效率的提升可优化用户体验,驱动收入增长
至强的架构适用于AI,与此同时,英特尔在软件方面的投入可以在所有主流框架、库以及模型类型上实现并优化AI。测试结果表明,英特尔凭借例如英特尔®高级矩阵扩展(英特尔® AMX)等先进的硬件加速技术,其处理器在AI工作负载上持续保持领先。
事实上,内核数量的增加并不能代表实现最佳性能。英特尔® AMX使得第四代至强可扩展处理器以惊人的速度扩展,并且具备远超仅凭核数所能达到的性能。该领先的AI加速引擎内置在每个至强可扩展处理器的内核中,这是英特尔的竞争对手所没有的,其客户也无法从中获益。
HPC领先性为建模、预测、模拟提供更强性能
在测试特定行业的科学计算工作负载时,英特尔将其采用了英特尔®AVX-512的56核英特尔®至强® CPU Max系列处理器与竞争对手的顶级96核产品进行了对比。通过将高内存带宽下的最佳算力与英特尔HPC引擎相结合,至强CPU Max系列在众多实际的HPC工作负载中,如地球系统建模、能源与制造等,展现出高于竞争对手40%的性能优势。
点评:在人们的认知中,GPU是处理AI工作负载的首选,CPU的表现会逊色很多。但是第四代英特尔®至强®可扩展处理器的表现让这种看法完全站不住脚,而且CPU更适合计算密集型工作负载。可以预见的是多样化的计算架构是AI发展的必然,不管是CPU、GPU还是FPGA,适合的才是最好的。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。