英特尔公司今日正式发布了Panther Lake系列笔记本处理器,该系列基于其最新的英特尔18A制造技术。
这些芯片将在公司新开设的位于亚利桑那州钱德勒的Fab 52工厂生产。英特尔还将使用该设施制造即将推出的服务器处理器系列Clearwater Forest。该系列芯片将提供高达288个核心。
"我们的下一代计算平台,结合我们领先的工艺技术、制造和先进封装能力,是我们在构建新英特尔过程中业务创新的催化剂,"英特尔首席执行官谭利普表示。
英特尔的18A制造工艺基于环栅极或GAA设计生产晶体管,可减少电流泄漏。这有助于提高芯片的能效。向18A芯片传输电力的微小导线位于晶体管下方,而不是像早期英特尔产品那样位于上方,这提升了处理速度。
Panther Lake系列包含三款片上系统。该系列中最先进的SoC包含16核中央处理器。其中有4个针对性能密集型任务优化的P核,8个以较低功耗换取部分速度的E核,以及4个耗电量更少的LP E核。
Panther Lake的CPU在一个包含多个计算模块的芯片上实现。据英特尔介绍,其中包含一个神经处理单元,每秒可执行高达50万亿次操作。它由优化处理多媒体数据的加速器和容量为8兆字节的内存侧缓存支持。
承载Panther Lake CPU的芯片与另外两个芯片集成。其中一个是具有多达12个核心和12个光线追踪单元的图形处理单元。第三个芯片,即所谓的平台控制器芯片,包含Panther Lake用于管理其主机笔记本电脑中数据流的组件。这些组件支持Wi-Fi、蓝牙、USB、雷电和PCIe连接。
Panther Lake的三个主要芯片位于作为基础层的第四个芯片上。它们使用英特尔的Foveros互连技术相互交换数据。
Panther Lake系列中的所有三款处理器都基于相同的四芯片设计。区别在于旗舰处理器包含具有12个核心和12个光线追踪单元的GPU,而其他处理器的GPU只有4个核心和4个光线追踪单元。此外,入门级Panther Lake芯片包含8核CPU,而不是其他两款处理器配备的16核CPU。
英特尔表示,该芯片系列相比其上一代笔记本处理器有显著改进。据该公司称,Panther Lake的CPU和GPU在某些任务上的性能都能提升50%。此外,与去年的Lunar Lake笔记本SoC系列相比,这些处理器的能耗降低了10%。
英特尔预计首批Panther Lake设备将在今年晚些时候开始出货。该公司计划在2026年上半年推出其首个基于18A技术的服务器处理器产品线。Clearwater Forest芯片系列将提供17%的每周期指令增长,这是衡量性能的一个指标。该系列处理器将包含多达288个针对能效优化的E核。
Q&A
Q1:Panther Lake处理器有什么特点?
A:Panther Lake是英特尔基于18A制造技术的笔记本处理器系列,采用四芯片设计,包含16核CPU、12核GPU和神经处理单元。相比上一代产品,CPU和GPU性能提升50%,能耗降低10%。
Q2:英特尔18A制造工艺有什么优势?
A:18A制造工艺采用环栅极设计,可减少电流泄漏并提高能效。导线位于晶体管下方而非上方,能够提升处理速度。这是英特尔最新的制造技术。
Q3:Clearwater Forest服务器芯片什么时候发布?
A:英特尔计划在2026年上半年推出基于18A技术的Clearwater Forest服务器处理器系列。该系列将提供高达288个E核,性能相比前代提升17%。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。