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 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。