6月6日,英特尔至强6能效核处理器随着全新的品牌更新,一并在国内发布。
相较于此前第五代至强可扩展处理器的命名而言,此次品牌更新后,第六代英特尔至强处理器的产品名称被直接命名为英特尔至强6处理器,名称更加简洁。
更重要的是,英特尔此次在至强6系列产品中,首次采用了纯能效核(E核)设计,针对高密度、可扩展的工作负载进行了一次重量级优化。
在节能减碳、可持续发展日益成为全球关键命题时,这样的芯片设计为云计算、数据中心带来了一个全新的方案。
针对这次品牌焕新,英特尔公司全球副总裁兼首席市场营销官Brett Hannath也特别来到发布会现场,他指出,英特尔至强处理器新的品牌主张聚焦四个方面:性能、能效、质量、安全。
随之而来的英特尔至强6处理器系列产品,也成了这一价值主张最好的解释。
中国云计算产业在过去十年里得到了突飞猛进的发展,如今中国的云计算厂商,不少在全球范围内已经博得了一席之地。
伴随着云计算产业的发展,作为能耗大户的数据中心,在过去几年里在能耗领域面临着越来越大的挑战。
英特尔英特尔市场营销集团副总裁兼中国区总经理王稚聪在英特尔至强6能效核处理器新品发布会上给出了这样一组数据:
中国数据中心在2014年到2022年这几年时间里,总能耗已经从372亿千瓦时增长到了2700亿千瓦时,预计到2025年会进一步增长到4000千瓦时。
一个对比数据是,作为世界上最大规模的水电站,三峡水电站每年发电量有1000亿千瓦时。
这就意味着,到2025年,全国数据中心一年将会消耗掉三峡水电站四年的发电量。
与此同时,节能降碳、绿色可持续发展正在成为全球经济发展的主色调,数据中心自然也成了节能降碳的主要关注对象。
2021年7月,在工信部发布的《新型数据中心发展三年行动计划(2021-2023年)》中就明确指出,到2023年底,新建大型及以上数据中心PUE降低到1.3以下,严寒和寒冷地区力争降低到1.25以下。
强调绿色高效、节能减碳,也就成了英特尔至强6能效核处理器为中国云计算产业带来的一个强力解决方案。
关于此次英特尔至强处理器品牌全新升级,英特尔公司全球副总裁兼首席市场营销官Brett Hannath专程来到中国,出席了本次发布会。
Brett Hannath在发布会上同样强调了能效,他指出英特尔至强焕新,要以性能、能效、质量、安全重塑品牌新形象,缔造创新体验。
具体而言,全新的英特尔至强6处理器分为性能核和能效核。
其中,性能核在通用平台基础和共享软件栈的基础上,针对计算密集型和人工智能任务所需的高性能进行了优化,而性能核则是针对高核心密度和规模扩展任务所需要的高效能进行了优化。
此次英特尔在发布会上正式对外发布的是英特尔至强6能效核处理器6700E,该处理器采用Intel 3制程工艺,拥有144个核心,为高密度、横向扩展工作负载带来性能与能效的双重提升。
英特尔至强6能效核处理器具有显著的密度优势,对于有产品迭代需求的用户来说,可以3:1的比例进行旧系统替换和机架整合。
在媒体转码工作负载上,与第二代英特尔至强处理器相比,英特尔至强6能效核处理器拥有高达4.2倍的机架性能提升和高达2.6倍的每瓦性能提升。
这样的英特尔至强6能效核处理器,也已经被金山云、浪潮信息、南大通用、记忆科技等英特尔合作伙伴应用到了服务器、数据库等产品中。
随着英特尔至强6能效核处理器的发布,这些产品也将陆续进入中国市场,为中国云产业提质增效提供助力。
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。