5月10日,英特尔On产业创新峰会(Intel Vision)上,英特尔公布了在芯片、软件和服务方面的多项进展。
针对AI加速,英特尔发布了专用于高性能深度学习AI训练的英特尔Habana Gaudi2 AI处理器和第二代云端AI推理芯片Greco。
面向数据中心,英特尔宣布第四代英特尔至强可扩展处理器(代号为Sapphire Rapids)的初始SKU出货。凭借全新的集成加速器,通过针对AI工作负载的软硬件优化,相较上一代产品可实现高达30倍的性能提升。同时,英特尔还公布了其到2026年的IPU产品路线图。
此外,英特尔发布了为工程师等专业人士打造的第12代英特尔®酷睿™HX处理器,并首次进行了软件基础设施计划Endgame的概念演示。
我们的科技留言板及Twitter用户对此事“有意见”如下
@廷巴克图:看了英特尔产业创新峰会上的一些信息,想到一个词——DPUs。放到十年前,处理器主要说的是CPU;五年前,GPU因为AI大热被更多人熟知。接下来,则是各种U层出不穷:BPU、FPU、HPU、NPU、RPU、TPU、VPU……有时候科技圈会为了造词而造词,但是在各种U问题上,未必如此。因为,处理器所计算的对象——数据,现在也确实太五花八门了。计算架构也变得更加复杂,为了将优化做到极致,原来本没有计算的地方,也要增加一颗处理器,U自然就越来越多。从云到管,再到端,计算、存储、网络,也在越来越变为一个整体,每一个环节都需要计算。不过不管怎么演变,处理数据是芯片们不变的共同主题。所以,用“一起处理Data的PU(们)”——DPUs,来统一称呼它们应该合理。
@媒体搬运工:当下,半导体行业正处于变革期,谁都不希望错失产业机遇。作为芯片市场的“大象”,英特尔的压力可想而知。CPU、AI加速器、GPU、IPU以及一系列的创新服务模式,可谓是“四处开花”。产业的繁荣来自充分的市场竞争,英特尔的一举一动都值得业界关注。本次公布的产品更新不管是硬件产品还是软件服务,英特尔依然希望引领潮流。
@华强萨日朗:在芯片的发展史上英特尔有着辉煌的时代,但摩尔定律早已不适用于今天IT产业的情况。尽管英特尔仍在不断创新,但企业用户面对的挑战也一个接着一个,数据在云端、边缘和终端遭遇的安全威胁,企业在供应链及对全新复杂工作负载的适应能力等方面面临着与日俱增的压力,想要一次性解决这些难题,想必很难实现。
@一刀:此次峰会创新技术和2026年路线图,没有提到英特尔傲腾内存技术,但是提到了能显著提高处理器的可用内存带宽的Sapphire Rapids技术,长期以来数据存储一直是影响整个数据处理过程中的最大瓶颈,目前尚不清楚新的技术与英特尔傲腾内存结合效果。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。