AMD (Advanced Micro Devices) 宣布推出第五代 AMD Epyc 嵌入式处理器,扩展其 x86 嵌入式处理器产品线。
AMD Epyc Embedded 9005 系列 CPU 针对嵌入式市场进行了优化,在计算能力与专门设计的嵌入式特性之间实现平衡,增强产品寿命、系统弹性和嵌入式应用开发的便利性。
这些处理器采用成熟的 Zen 5 架构,提供领先的性能和能效,使网络、存储和工业边缘系统能够更快速、更高效地处理更多数据。
AMD 自适应和嵌入式计算高级副总裁 Salil Raje 在声明中表示:"AI 驱动的网络流量、激增的数据存储需求以及工业边缘计算的扩展正推动着嵌入式平台对更高计算性能的需求。第五代 AMD Epyc 嵌入式处理器为嵌入式客户带来领先的性能和效率,同时提供他们所依赖的长期产品生命周期和增强的系统弹性,使他们能够自信地进行设计,并确保在要求苛刻的'永不停机'环境中持续运营。"
AMD Epyc Embedded 9005 系列处理器专为支持单插槽 8 至 192 核的计算密集型嵌入式系统而设计。行业领先的核心密度为网络和存储工作负载分别提供高达 1.3 倍和 1.6 倍的数据处理吞吐量提升,使其非常适合网络和安全防火墙平台、存储系统和工业控制应用。
采用新的 Zen 5c 核心架构可提供更高的吞吐量和更好的能源效率,与竞争对手相比,单插槽吞吐量预计提升 1.3 倍,性能/功耗比预计提高 1.3 倍。
每个插槽高达 6TB 的 DDR5 内存容量和扩展的 I/O 连接性,支持多达 160 条 PCIe Gen5 通道和 CXL 2.0,可实现存储容量扩展和网络及存储应用的高速数据传输。
专门设计的应用特定功能
AMD Epyc Embedded 9005 系列处理器包含一套先进的嵌入式功能,旨在提供强大、安全和持久的平台。
为满足嵌入式市场更长的产品生命周期和运营要求,AMD EPYC Embedded 9005 系列 CPU 提供七年的产品制造支持,帮助系统设计师确保长期产品可用性,减少重新设计和认证工作。
行业支持和可用性
AMD 正与生态系统合作伙伴以及包括思科和 IBM 在内的领先 ODM 和 OEM 厂商密切合作,将这些新一代嵌入式处理器的优势推向市场。
思科产品管理总监 Lukasz Bromirski 在声明中表示:"我们为我们的一款高端防火墙产品选择了 AMD Epyc Embedded 9005 系列处理器,因为它提供了我们所需的高计算性能,从其可扩展性(最高 192 核)到高内存和 I/O 带宽。我们知道我们可以依靠 AMD,不仅能获得出色的性能,还能获得尖端的质量和支持以及持续的路线图执行。"
IBM Storage Scale System 6000 存储、数据、AI 和 HPC 产品管理部门的 Matthew Geiser 表示:"IBM Storage Scale System 6000 旨在为要求苛刻的企业 AI 工作负载提供速度、性能和可靠性。AMD Epyc Embedded 9005 处理器的主要优势之一是引入了冗余路径,以实现高数据可用性和强大的连接选项,这将与在 IBM Storage Scale System 上运行的性能密集型应用完美匹配。"
AMD Epyc Embedded 9005 系列处理器目前正在向早期客户提供样品,预计将于 2025 年第二季度开始量产出货。AMD Epyc Embedded 9005 系列处理器采用 SP5 插槽形式,与上一代 AMD Epyc Embedded 9004 系列兼容,为客户提供简单的升级路径。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。