英特尔今天宣布升级旗舰级至强服务器处理器产品线,超过36款基于最新10纳米制程工艺的芯片新品,并提供了包括高速人工智能加速器在内的一系列特性。
此次发布的芯片代号为“Ice Lake”,是英特尔近期对服务器处理器家族最大规模的一次更新。这些芯片将为主流公有云的下一代实例、新型超级计算机和高速5G基础设施等系统提供动力。
英特尔高级副总裁、数据平台事业部总经理Navin Shenoy在今天的线上发布会表示:“未来数据中心将与今天截然不同,现在英特尔打造了企业所需的每一个组件。”
Ice Lake系列被Shenoy称为“我们有史以来最伟大的处理器”,可将每个时钟周期可执行指令数量提高20%,而这是衡量芯片性能的一项关键指标。这一提升主要是由于该系列采用了所谓Sunny Lake的新核心设计。英特尔将不少于40个这种Sunny Lakes核心封装到性能最高的Ice Lake CPU——至强Platinum 8380中,可以在2.3GHz基本频率下支持80个线程。
英特尔表示,此次推出的芯片与上一代服务器CPU相比,有望将“主流数据中心工作负载”的平均速度提高46%。与推出有5年时间的服务器相比,基于Ice Lake的系统将把计算速度提高260%。
每个时钟周期指令数量增加20%,这只是Ice Lake带来的性能提升之一。英特尔的芯片设计人员还增加了板载缓存的空间。板载缓存是一种内存电路,CPU将正在处理中的数据保存在板载缓存中。内存电路越多,一次性可处理的数据就越多。与上一代至强芯片相比,基于Sunny Core的Ice Lake系列的L1缓存空间增加了50%,L2二级缓存空间增加25%。
与此同时,英特尔提高了CPU从RAM获取数据的速度。与上一代至强芯片相比最显着的改进是,所有Ice Lake处理器都有8个内存通道。这意味着可以一次向RAM传输更多数据。
高端至强Platinum 8380还通过支持新的PCIe 4.0硬件互连技术,可以从其他类型的外围硬件(例如图形卡、网络设备和闪存)中更快地获取信息。PCIe 4.0的速度是上一代PCIe 3.0的2倍。
Moor Insights&Strategy总裁兼首席分析师Patrick Moorhead表示:“在市场竞争激烈的背景下,英特尔凭借其第三代至强处理器不断领先。英特尔提供了一种平台方法,为合作伙伴提供了融合CPU、存储、内存、FPGA和网络ASIC的解决方案。这是对英特尔利用资源进行联合营销和共同开发的能力的一个补充。”
英特尔向服务器制造商等合作伙伴主打的另一项Ice Lake亮点是它附带的一组专门处理功能,主要用于增强网络安全和人工智能应用,这些应用使用与标准工作负载不同的数学运算方法来处理数据。
在网络安全方面,旗舰级至强Platinum 8380和其他高端Ice Lake芯片附带了所谓SGX的内存隔离技术,可以让CPU将服务器RAM的一部分转换成“安全区域”,用于保存加密密钥之类的敏感数据。在同一台服务器上运行的其他应用是无法访问这个安全区域中的数据的,即使这些应用对这台服务器拥有完全访问权限。
而且由于Ice Lake芯片中内置了一系列复杂的软件算法,这使得AES、SHA和GFNI等通用加密算法在此芯片上运行的速度会更快,一部分原因是英特尔并行化了一些加密操作,以使其能够并行运行,而不是顺序运行。英特尔的工程师还找到了一种方法,可以在实例中将两个独立的算法压缩到一个工作流程中,以减少处理需求。
对于使用AI模型的应用来说,Ice Lake提供了英特尔DL Boost机器学习加速器,这是这次发布的主要亮点之一,英特尔承诺AI性能将比上一代芯片提高74%,速度比竞争对手AMD的EPYC 7763 CPU快150%。英特尔通过对比两款处理器运行20种主流AI工作负载之后得到了这一数据。
Moorhead认为:“与实力最接近的竞争对手相比,英特尔凭借片上机器学习推理和加密功能脱颖而出。”
尽管Ice Lake直到今天才正式发布,但英特尔实际上已经向早期客户售卖了200,000多个,英特尔称这些芯片主要是被领先的云服务提供商(他们正在打造基于Ice Lake的新实例)、高性能计算实验室和服务器制造商所采购。不少电信设备制造商也在等待购买Ice Lake芯片,一部分原因是该系列中有多款处理器是专门面向运营商的,并针对5G基础设施进行了优化。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。