2024 年 11 月 12 日,AMD宣布推出第二代 AMD Versal™ Premium 系列,这款自适应 SoC 平台旨在面向各种工作负载提供最高水平系统加速。第二代 Versal Premium 系列将成为 FPGA 行业首款在硬 IP 中采用 Compute Express Link (CXL®)3.11 与 PCIe® Gen6 并支持 LPDDR5 存储器的器件。
这些下一代接口和存储器技术能够在处理器和加速器之间快速且高效地访问和迁移数据。CXL 3.1 和 LPDDR5X 能助力更快速地释放更多内存,以满足数据中心、通信以及测试测量市场中数据密集型应用日益增长的实时处理和存储需求。
AMD 高级副总裁兼自适应和嵌入式计算事业部总经理 Salil Raje 表示:“系统架构师始终寻求在更小的空间内装入更多数据,并在系统各部分之间更高效地迁移数据。第二代 Versal 产品组合的最新成员可帮助客户提升整体系统吞吐量和存储器资源利用率,以实现更高性能,并为从云到边缘的最严苛应用提供洞察。”
加速主机连接
AMD 通过支持 CXL 来倡导开放式创新,CXL 是处理器与器件(例如,基于 FPGA 的加速器)之间的开放式行业标准互连技术。第二代 Versal Premium 器件支持业界最快的主机接口 CXL 3.1 和 PCIe Gen6,可实现行业领先的高带宽主机 CPU 到加速器连接。与支持 PCIe Gen4 或 Gen5 的 FPGA 相比,PCIe Gen6 能提供了 2 至 4 倍的线速率2,而运行 PCIe Gen6 的 CXL 3.1 在类似时延下则能提供使用 CXL 2.1 器件的双倍带宽3,以及增强的架构和一致性功能。
此外,通过将第二代 Versal Premium 系列搭配 AMD EPYC™ CPU,系统架构师能够利用经 CXL 或 PCIe 连接到高性能 CPU 的最新 AMD FPGA 的器件,以加速数据密集型应用并满足快速的数据增长需求。CXL 还能提供内存一致性的额外益处,有助于实现真正的异构加速计算。
提高存储器带宽及利用率
第二代 AMD Versal Premium 系列自适应 SoC 能以至高 8533 Mb/s 的最快速 LPDDR5 存储器连接加速存储器带宽,带来更快速的数据传输和实时响应。与采用 LPDDR4/5 存储器的同类器件相比,这种超快的增强型 DDR 存储器可将主机连接速度提升至高 2.7 倍4。
与 CXL 存储器扩展模块进行连接可使总带宽较之单独使用 LPDDR5X 存储器高出至多 2.7 倍5。因此,第二代 Versal Premium 系列允许为多个加速器实现可扩展的内存池和扩展,进而优化存储器利用率并增加带宽和容量。
通过为多个器件动态分配内存池,第二代 Versal Premium 系列自适应 SoC 旨在提高多头单逻辑器件( MH-SLD )的存储器利用率,使其无需架构或交换机即可运行,同时支持至多两个 CXL 主机。
加强数据安全
增强的安全功能有助于第二代 Versal Premium 系列在传输和静态状态下均可快速、安全地传输数据。其是业界首款在硬 IP 中提供集成 PCIe® 完整性和数据加密( IDE )支持的 FPGA 器件6。硬核 DDR 内存控制器内置的内联加密可助力保护静态数据,而 400G 高速加密引擎则能帮助器件以至高 2 倍的线速率保护用户数据,从而实现更快速的安全数据事务7。
第二代 AMD Versal Premium 系列开发工具预计将于 2025 年第二季度提供,随后于 2026 年初提供芯片样片。预计将于 2026 年下半年开始量产出货。
好文章,需要你的鼓励
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。