在第34届Hot Chips大会上,英特尔CEO帕特·基辛格发表了主题演讲,详细阐述了为什么需要先进的计算和封装技术来满足世界对于算力不断增长的需求,同时实现完全沉浸式的数字体验。
在此次大会上,英特尔重点介绍了在架构和封装领域的最新创新成果,这些成果增强了分块化(tile-based)2.5D和3D芯片设计,将开创芯片制造的新时代,并在未来持续推进摩尔定律。作为1995年戈登·摩尔之后第一位在Hot Chips大会上发表主题演讲的英特尔CEO,帕特·基辛格分享了英特尔坚持不懈追求更强算力的路径,详细介绍了即将推出的产品组合,包括Meteor Lake、Ponte Vecchio GPU、英特尔® 至强® D-2700和1700处理器以及FPGA,并概述了英特尔新的系统级代工模式。
英特尔CEO帕特·基辛格表示:“结合RibbonFET、PowerVia、高数值孔径光刻(High NA lithography)等先进技术以及2.5D和3D封装的发展,到2030年,英特尔希望能将单个设备中的晶体管数量从1千亿个增加到1万亿个。现在对于技术专家们而言,既是最好的时代,也是最重要的时代,我们必须确保半导体能充分发挥出它在日常生活中至关重要的作用,满足人们的需求。”
半导体的黄金时代已经拉开帷幕,这是一个需要芯片制造从传统代工模式转换为系统级代工的时代。在提供传统的晶圆制造服务之外,英特尔的系统级代工模式还结合了先进封装、开放的芯粒(chiplet)生态系统和软件组件,以组装、交付单个封装中的系统,满足世界对算力和完全沉浸式的数字体验不断增长的需求。英特尔还在持续推进制程工艺和分块化芯片设计的革新,来满足行业的需求。
在这个创新、增长和发现的时代,技术将从根本上改变我们体验世界的方式。无所不在的计算、无处不在的连接、从云到边缘的基础设施和人工智能,这四大超级技术力量将继续通过相互联合、充实与强化,创造更多的可能性,塑造技术的未来并让人类文明达到新高度。
具体而言,在第34届Hot Chips大会上,英特尔预先展示了应用新一代技术的下列产品架构:
更多背景信息:第34届Hot Chips大会议程 | 半导体无处不在(帕特·基辛格的署名文章)| 摩尔定律和英特尔的制程工艺路线图(Ann Kelleher的署名文章)| 解码英特尔的软件优势(Greg Lavender的署名文章)| 定义边缘,引领前沿(Nick McKeown的评论文章)
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。