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
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。