经比较测试,英特尔在AI等关键工作负载上相较于竞争对手拥有更优的性能,以及更低的总体拥有成本(TCO)
随着第四代英特尔®至强®可扩展处理器在2023年1月的正式推出,英特尔通过其业界领先的加速器引擎在性能方面取得了重大进展,并在AI、数据分析、科学计算(HPC)等关键工作负载方面提高了每瓦性能。其中,第四代至强的快速出货、被全球客户的广泛采用,以及在广泛商业应用场景中的多元化关键工作负载上表现出的领先性能,均已引起业界关注。
今日,在经过数周与最具可比性的竞对处理器严格、全面的比较测试后,英特尔分享了相比于简单的行业基准测试更为令人信服的结果。
英特尔公司副总裁兼至强产品部总经理Lisa Spelman指出:"诚如我们在第四代至强可扩展处理器发布时所言,该产品在支持客户最重要的工作负载上处于行业领先地位,现在,我们有了具体的数据可以进行佐证,这些数据有助于消除不确定性,证明至强相比业界其他产品具备持续的价值和领先地位。"
在主流计算中,更快获取数据与洞察
目前,市场上最常部署的解决方案是基于中等核数所提供的,在该领域中,每核性能、功耗以及吞吐量是关键的性能指标。基于此,英特尔将其32核的第四代至强可扩展处理器与竞争对手最佳、主流的32核处理器进行了比较。
通常来说,像SPEC CPU这样的通用基准测试是非常重要的,但是对于工作负载需求不断变化的客户来说,此类测试并不能完全展现整体性能情况。实际上,在诸如数据库、网络和存储等对客户至关重要的工作负载上,至强可扩展处理器可以通过提供更高的CPU性能、更高的每瓦特性能,以及更低的总体拥有成本(TCO)轻松击败竞争对手。此外,客户还看到了减少服务器数量、总体功耗,以及降低二氧化碳排放等重要的可持续发展优势。
AI效率的提升可优化用户体验,驱动收入增长
至强的架构适用于AI,与此同时,英特尔在软件方面的投入可以在所有主流框架、库以及模型类型上实现并优化AI。测试结果表明,英特尔凭借例如英特尔®高级矩阵扩展(英特尔® AMX)等先进的硬件加速技术,其处理器在AI工作负载上持续保持领先。
事实上,内核数量的增加并不能代表实现最佳性能。英特尔® AMX使得第四代至强可扩展处理器以惊人的速度扩展,并且具备远超仅凭核数所能达到的性能。该领先的AI加速引擎内置在每个至强可扩展处理器的内核中,这是英特尔的竞争对手所没有的,其客户也无法从中获益。
HPC领先性为建模、预测、模拟提供更强性能
在测试特定行业的科学计算工作负载时,英特尔将其采用了英特尔®AVX-512的56核英特尔®至强® CPU Max系列处理器与竞争对手的顶级96核产品进行了对比。通过将高内存带宽下的最佳算力与英特尔HPC引擎相结合,至强CPU Max系列在众多实际的HPC工作负载中,如地球系统建模、能源与制造等,展现出高于竞争对手40%的性能优势。
点评:在人们的认知中,GPU是处理AI工作负载的首选,CPU的表现会逊色很多。但是第四代英特尔®至强®可扩展处理器的表现让这种看法完全站不住脚,而且CPU更适合计算密集型工作负载。可以预见的是多样化的计算架构是AI发展的必然,不管是CPU、GPU还是FPGA,适合的才是最好的。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。