这家芯片制造巨头开发出一款小型chiplet,使用光而非电来传输数据,希望借此提高负责运行AI密集型工作负载的数据中心的传输带宽。

这款精巧的小芯片使用光而非电来增加数据传输带宽。
AI技术对于计算能力和电力的需求似乎永无止境,即使是最强大的数据中心也需要部署更多处理器和能源供应以满足日益增长的AI运行需求。
为了解决这个难题,英特尔宣布已经开发出所谓光计算互连(OCI)芯片,其使用光而非电在处理器之间传输数据。在英特尔看来,这是市面上第一款能够应对AI市场所需计算工作量的设备。为此,芯片巨头最近在光纤通信会议上专门展示了这款与其CPU配套集成的解决方案。
英特尔公司产品管理与战略高级总监Thomas Liljeberg在本次发布前的媒体发布会上表示,“AI技术的普及加速并加剧了一系列已知挑战。我们认为这款产品非常引人注目,有望成为帮助应对挑战的可扩展解决方案。”
在数据中心处理过程中,信息会不断在服务器之间往来传输,通常借助铜缆之上的电信号实现连接。虽然这能够实现高效处理所必需的高带宽、低能耗传输效果,但线缆的长度一般只能略微超过3英尺,因此严重限制了连接规划能力。而当前广泛使用的替代方案是依靠可插拔模块进行数据传输,只是此类设备往往效率低下且存在延迟问题。
英特尔的集成芯片有效解决了这些问题,其采用的光信号传输(激光通过光纤连接进行传播)使得处理器能够在更长的距离上进行通信,且长度几乎达到铜缆的100倍,由此开启了更加灵活的分布式数据中心架构新时代。
除了光连接之外,OCI还配备用于处理信息的集成电路以及用于处理电信号的电路,外加一条用于接入光学连接器的路径,其中的连接器就是光信号的端口。它还具备可扩展空间,能够以更快的速度传输更多数据,从而为处理器间的数据传输提供更高的容量上限。这样的模块化设计有望降低传输容量在数据中心内的添加门槛,更好、更轻松地满足连接需求。
英特尔并不是市面上唯一一家研究半导体电子技术的公司。格罗方德和Ayar Labs等厂商同样公布了自己用于辅助AI架构及产品的光传输集成方案。然而,由于光传输技术比传统技术更昂贵,因此人们普遍关心这些产品需要达到怎样的部署规模才能真正具备经济意义。
谈到英特尔的光传输解决方案,咨询公司Simon Kucher合伙人兼董事会成员Bhavin Manjee表示,“我认为价格仍算合理,因为其具备相应的优势并启发出新的用例。另外,光传输也更加可靠、更加灵活。”
英特尔的另一大优势在于,其新产品并不局限于自家设备环境,也同样支持其他使用场景。Liljeberg表示,光传输设备能够与大多数处理器相兼容,甚至可以与英特尔和AMD等厂商的处理器产品对接。
他解释称,“我们相信自己的解决方案在效果和能力方面具有很强的说服力,也一定会将其推向更广阔的市场。我们将与生态系统合作,在保障互操作性的同时,确保我们的光子芯片能够与其他供应商的电子芯片顺利对接。”
展望未来,英特尔计划批量交付这款芯片,将其与更多处理平台相集成。芯片巨头已经与部分客户携手运行了试点项目,希望在扩大生产规模的同时尽早着手整合这项技术。
随着制造规模的扩大,Liljeberg表示OCI将“既能满足成本要求,又能满足制造难度方面的要求。”他还补充道,随着越来越多的数据中心引入这项技术,“其应用规模将不断扩大,成为支持未来几代数据中心传输带宽需求的一股中坚力量。”
好文章,需要你的鼓励
AI正在革命性地改变心脏疾病治疗领域。从设计微创心脏瓣膜手术到预防原理定位,机器学习和神经网络的洞察力推动了巨大进步,甚至可以构建新型移植解剖结构。数字孪生技术为个性化心血管护理提供持续预测管理。哈佛干细胞研究所的研究人员利用纳米材料和类似棉花糖机的设备,能在10分钟内制造心脏瓣膜,相比传统3周制造时间大幅缩短。这些突破性技术为每年4万名先天性心脏畸形儿童带来新希望。
这项由斯坦福大学和特拉维夫大学合作的研究揭示了语言模型内部存在三套协同工作的信息处理机制:位置机制、词汇机制和反射机制。研究发现,当文本复杂度增加时,传统的位置机制会变得不稳定,其他两种机制会自动补偿。这一发现解释了AI在长文本处理中的表现模式,为优化模型架构和提升AI可靠性提供了重要理论基础。
谷歌正在为搭载其内置信息娱乐系统的汽车推出谷歌地图实时车道引导功能,首先从极星4开始。该系统利用车辆前置摄像头和AI技术,分析车道标线和路标,为驾驶者提供更精确的车道指引和视听提示。该功能将在未来几个月内在美国和瑞典的极星4车型上推出,目前仅支持高速公路使用。
加州大学圣克鲁兹分校联合英伟达等机构开发出世界首个医学离散扩散模型MeDiM,实现了医学影像与报告的双向生成。该系统能根据临床报告生成对应影像,也能看图写报告,甚至可同时生成匹配的影像-报告对。在多项评估中表现优异,为医学教育、临床研究和辅助诊疗提供了强有力的AI工具。