|
在2019年Hot Chips大會上，英特爾公布了即將推出的高性能人工智能（AI）加速器——英特爾 Nervana神經網絡處理器的最新細節(jié)，包括用于訓練的NNP-T和用于推理的NNP-I。英特爾工程師還介紹了混合芯片封裝技術、英特爾傲騰數(shù)據(jù)中心級持久內存和光學I/O小芯片技術的細節(jié)。 “要想實現(xiàn)‘人工智能無處不在’的未來愿景，我們必須解決數(shù)據(jù)的積壓問題，確保企業(yè)能夠有效利用數(shù)據(jù)，必要的時候在收集數(shù)據(jù)的地方對數(shù)據(jù)進行處理，并更明智地利用上游的數(shù)據(jù)和計算資源。數(shù)據(jù)中心和云端需要為復雜的AI應用提供高性能和可擴展的通用計算，以及專門的加速。在人工智能無處不在的未來愿景中，從硬件到軟件再到應用，都需要一種全面的解決方案。” ——Naveen Rao，英特爾公司全球副總裁兼人工智能產品事業(yè)部總經理 將數(shù)據(jù)轉化為信息、再轉化為知識，需要硬件架構和封裝、內存、存儲、互連技術的相互配合，這些技術不斷演進并支持新興且日益復雜的應用場景和AI技術。AI專用加速器能夠在適當?shù)臅r間為客戶提供合適的智能，比如全新構建的英特爾Nervana NNP。 英特爾Nervana NNP-T——全新構建，旨在大規(guī)模訓練深度學習模型。英特爾Nervana NNP-T（神經網絡處理器）不斷突破深度學習訓練的極限。它優(yōu)先考慮兩個關鍵的實際因素：盡可能快地訓練網絡并在給定的功率預算內完成訓練。這款深度學習訓練處理器在構建時充分考慮到靈活性，并在計算、通信和內存之間取得平衡。雖然英特爾至強可擴展處理器增加了AI指令集并為人工智能奠定良好基礎，但全新構建的NNP-T考慮到了應對大型模型所需的功能特性和要求，不必提供額外所需以支持傳統(tǒng)技術。為了滿足未來的深度學習需求，英特爾Nervana NNP-T具備靈活性和可編程性，因此可以進行定制，以便加速各種負載，無論是現(xiàn)有負載還是新興負載。 英特爾Nervana NNP-I——針對主要數(shù)據(jù)中心負載的高性能深度學習推理。英特爾Nervana NNP-I專為推理而設計，旨在大規(guī)模加速深度學習部署，它充分利用英特爾的10納米制程技術和Ice Lake內核，在所有主要數(shù)據(jù)中心負載上提供業(yè)界領先的每瓦性能。此外，英特爾Nervana NNP-I在不影響性能或功耗效率的前提下，提供了高度可編程性。隨著人工智能在各項負載中變得無處不在，擁有一個易于編程、時延較短、可快速移植代碼并支持所有主要深度學習框架的專用推理加速器，企業(yè)就能將數(shù)據(jù)的全部潛力轉化為可踐行的洞察而加以利用。 Lakefield——三維封裝中的混合核心。Lakefield是業(yè)界首款采用3D堆疊和IA混合計算架構的產品，將用于新一類移動設備。利用英特爾最新的10納米制程和Foveros先進封裝技術，Lakefield在待機功率、核心面積和封裝高度上都比前幾代技術有了顯著降低。Lakefield帶來的頂級計算性能和超低熱設計功率，讓全新纖薄外觀的設備、二合一設備和雙屏設備都能以極低的待機功耗始終在線、始終互聯(lián)。 TeraPHY——用于高帶寬、低功耗通信的封裝內光學I/O小芯片。英特爾和Ayar Labs共同演示了整體內封光件（MIPO）與高性能系統(tǒng)芯片（SOC）的業(yè)界首次集成。Ayar Labs的TeraPHY*光學I/O小芯片與采用英特爾嵌入式多芯片互連橋接（EMIB）技術的英特爾Stratix 10 FPGA共同封裝，從芯片封裝中提供高帶寬、低功耗的數(shù)據(jù)通信，在一定時間內的延續(xù)距離高達2公里。此次合作將消除數(shù)據(jù)傳輸中性能、功耗和成本的固有瓶頸，幫助以新方法為摩爾定律的下一階段構建計算系統(tǒng)。 英特爾傲騰數(shù)據(jù)中心級持久內存——架構和性能。現(xiàn)已批量出貨的英特爾傲騰數(shù)據(jù)中心級持久內存是內存/存儲層級結構中首款被稱為持久內存的產品，并處于整個層級結構中全新的一層。基于英特爾 3D XPoint技術，傲騰數(shù)據(jù)中心級持久內存擁有內存模塊外形，能夠以接近內存的速度提供超大容量，納秒級的低延時，并提供本地化的持久存儲。兩種運行模式（內存模式和App Direct模式）的詳細信息以及性能示例展示了這一全新層級如何支持數(shù)據(jù)供應子系統(tǒng)的完全重新架構，從而支持更快的，以及新的工作負載。 |
