日前,在在Hot Chips 2023大会上,英特尔公布了下一代至强处理器即将迎来的更多架构变化,包括对内存子系统和IO连接的改进。
此前,英特尔宣布,将把至强系列分为P-Core和E-Core两个系列,前者就是之前的至强系列,后者是新增加的节能架构,将提供更好的电源效率。
英特尔宣布将在明年推出两款采用Intel 3工艺技术的至强新品——为计算密集型和人工智能工作负载优化的高性能核心(P核)和针对高密度和横向扩展工作负载优化的高能效核心(E核)。E 核至强处理器(代号Sierra Forest)将在2024年上半年问世,P核至强处理器(代号Granite Rapids)将紧随其后登场。
英特尔将至强处理器称作 "人工智能的最佳 CPU",Granite Rapids可将AI工作负载性能提升2-3倍,增强的英特尔AMX支持新的FP16指令,实现2.8倍的更好内存带宽,内存模组MCR DIMM带宽可提高30-40%;
而Sierra Forest可在机架级别将机架密度提高250%,将每瓦性能提高240%,支持1路和2路服务器,每个CPU最多可达144核心,TDP低至200瓦。
下一代创新平台架构
作为英特尔至强的重要演进,下一代产品引入了全新的能效核(E-core)架构,与其已有的性能核(P-core)架构并存。分别以代号Sierra Forest和Granite Rapids命名的这些新产品将为客户提供便捷性和灵活性,以及兼容的硬件架构和共享的软件堆栈,以满足诸如人工智能等关键工作负载的多元化需求。
未来的英特尔至强处理器引入了一种新架构,该架构采用模块化设计方式,通过Fabric技术把模块化die互连,实现灵活的架构,可将独立的计算和I/O的Chiplets(常译为 " 芯粒 "、" 小芯片 ")进行灵活组合,并借助EmiB封装技术实现高带宽和低延迟。基于该架构的模块化SoC包含通用IP、固件、操作系统、平台组件等组件。
基于系统级芯片(SoCs),全新英特尔至强平台具备增强的可扩展性和灵活性,能够提供一系列产品,满足人工智能、云计算和企业应用不断增长的规模、传输和能效需求。这一创新架构亦通过提供两种不同的插槽兼容处理器,使客户能够便捷处理大多数工作负载,且可互换使用,从而为客户提供高性价比。
下一代至强架构具有可扩展性,将提供P核和E核版本,支持1S-8S规格的P核、1S-2S规格的E核。基于这些功能,不同工艺节点之间能够进行匹配,从而得以实现性能和能效的最佳平衡。
得益于I/O和内存子系统的进步,这一架构提供了高性能和平台灵活性的优化,逻辑单片计算集群相较以往的产品提供了更好的每瓦特性能和每线程性能,并为未来代号为Granite Rapids和Sierra Forest的英特尔至强处理器奠定基础。
据悉,英特尔近期出货了第一百万片第四代英特尔至强可扩展处理器,代号为Emerald Rapids的第五代英特尔至强可扩展处理器也将于今年第四季度发布。
好文章,需要你的鼓励
RiOSWorld是一项开创性研究,评估多模态计算机使用代理在真实环境中的安全风险。由上海人工智能实验室团队开发的这个基准测试包含492个风险任务,涵盖网页浏览、社交媒体、操作系统等多种应用场景。研究将风险分为环境源和用户源两大类,通过风险目标意图和完成两个维度进行评估。对十个代表性MLLM代理的测试结果表明,当前代理在风险目标意图上的不安全率高达84.93%,在风险目标完成上达59.64%,揭示了AI代理在计算机使用安全性方面存在的严重隐患,为未来可信AI系统的开发提供了重要参考。
牛津大学林元泽及其国际合作团队开发的IllumiCraft是一种创新的视频重光照技术,它首次将几何和光照引导统一到一个扩散模型中。通过同时处理HDR环境图、合成重光照帧和3D点轨迹,该技术能生成与用户提示一致的时间连贯视频。研究团队还构建了包含20,170个视频对的高质量数据集,实验表明IllumiCraft在视觉质量、提示对齐和时间一致性方面显著优于现有方法,开创了可控视频生成的新可能。
中国人民大学物理学院研究团队开发了HTSC-2025,这是一个专为AI预测超导临界温度而设计的常压高温超导体基准数据集。该数据集包含140个样本,涵盖了2023-2025年基于BCS理论预测的超导材料,平均Tc为27.3K,最高达160K。研究不仅提供了公开的评估框架,还总结了提高超导温度的物理策略,如空穴掺杂和轻元素引入。该基准已在GitHub开源,为AI驱动的超导材料发现提供了重要支持。
MBZUAI研究团队开发了FinChain,这是金融领域首个可验证的符号化思维链推理基准测试。该基准涵盖12个金融领域的54个主题,每个主题包含5个不同难度的参数化模板,配有可执行的Python代码验证每一步推理。研究者还提出了ChainEval评估指标,同时评估最终答案正确性和中间推理步骤一致性。对30个大语言模型的测试表明,即使最先进模型在处理复杂金融推理时仍有很大提升空间,且模型规模是决定推理能力的关键因素。