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
近期有观点认为,大规模使用生成式AI和大语言模型会增强人类左脑的逻辑分析能力,同时削弱右脑的创造力,导致人类社会逐渐成为左脑主导的群体。但研究表明,左右脑功能分工理论缺乏科学依据,大脑两半球在创造性和逻辑性任务中都会协同工作。此外,AI不仅能辅助逻辑思维,同样可用于诗歌创作、图像生成等创意任务。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软全球AI巡展在迪拜举行,宣布启动Microsoft Elevate UAE项目,计划为超过25万名学生和教育工作者以及5.5万名联邦政府员工提供AI技能培训。该项目是微软152亿美元投资计划的一部分,旨在加强AI基础设施建设,培养本地人才能力。微软还将与G42和JAHIZ平台合作,为联邦公务员提供技术培训,支持阿联酋成为AI领域的区域和全球领导者。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。