英特尔近日宣布FPGA业务独立,该业务将销售用于从蜂窝塔到机器人等系统的可重新配置芯片。
英特尔FPGA业务的根源可以追溯到一家名为Altera的芯片制造商,后者成立于1983年。英特尔在2015年以167亿美金收购了这家公司,后来将其并入英特尔的数据中心部门。去年,英特尔宣布计划把Altera从数据中心部门剥离出来,成为一个独立的业务部门。
处理器中的晶体管被组织成模块,每个模块执行一组不同的任务。一个模块可能会被优化以执行矩阵乘法,这是机器学习模型用来处理数据的数学计算,反过来,相邻的晶体管簇可能主要专注于加密网络流量。
大多数处理器不允许用户更改晶体管集群执行什么任务以及执行方式。英特尔新独立的Altera部门,销售FPGA芯片则支持定制。企业可以调整FGPA的设计,以提高运行目标工作负载的速度或者降低功耗。
例如,一个开发AI驱动的智能家电的硬件团队,可以对FPGA中大部分的电路进行优化,用于执行矩阵乘法。处理器拥有的AI优化电路越多,运行机器学习模型的速度也就越快。FGPA不仅能够定制板载计算模块,还能够定制管理这些模块之间数据流的互连方式。
Altera是由首席执行官Sandra Rivera领导的,她曾经是英特尔数据中心部门的负责人。在今天的网络会议中Rivera表示,Altera的潜在市场规模将在几年内达到550亿美金,此外她还提供了关于Altera产品开发路线图的最新信息。
Rivera预览了Agilex 3,这是即将推出的FPGA系列,适用于需要有限计算能力的低功耗设备。Altera预计,这些芯片可用于云、通信和边缘计算环境,将在今年晚些时候分享有关该产品系列的更多细节。
在不久的将来,Altera将推出中端FGPA系列名为Agilex 5系列。英特尔表示,这个产品系列是基于10纳米工艺的,每瓦性能比使用7纳米技术制造的竞争对手产品高出60%。
另一个卖点是Agilex 5配备了数字信号处理器(DSP),使用AI优化的电路来加速计算。DSP是一种专用处理器,专为压缩多媒体文件和消除其中可能包含的任何传输错误等任务而开发。Agilex 5还包括了其他计算模式,例如基于Arm设计的CPU核心。
英特尔这次还提供了关于Altera此前公布的Agilex 7和Agilex 9产品线的更新信息,并表示,前一个芯片系列已经“投入生产”,而后者现已经投入量产。
Agilex 7针对数据中心、网络和国防系统的使用进行了优化,Agilex 9则面向雷达和军事航空航天用例,两条产品线都针对混合信号处理或编码为1和0的标准数据以及雷达读数等其他类型信号的任务处理进行了优化。
Rivera表示:“客户要应对日益复杂的技术挑战,努力从竞争对手中脱颖而出并加快实现价值的速度,在这个背景下,我们有机会重振FPGA市场。”
Altera的主要竞争对手是AMD,后者在2022年以500亿美金收购了Xilinx,进入FPGA市场,这笔交易也是半导体行业有史以来规模最大的收购。根据IDC的估计,由于这次收购使得AMD在FPGA市场占到了55%的份额,Altera的份额为30%多。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。