至顶网个人商用频道 06月13日 北京消息(文/陶婧婕) 近一年,AMD在市场上的表现非常活跃。从去年推出第七代APU、北极星架构显卡,到今年3月发布AMD锐龙7系列处理器,4月推出锐龙5系列处理器、Radeon RX 500系列显卡,AMD一次次用产品证明,其在技术方面已经实现了大踏步前进。
AMD也继续保持着这一势头,在COMPUTEX 2017上,AMD又带来了新“惊喜”。其展示了下一波即将推向市场的产品,包括基于Radeon RX Vega架构的高端显卡,全新AMD锐龙Threadripper处理器以及AMD锐龙笔记本处理器,当然,还有即将上市针对数据中心的EPYC系列处理器。
在淡出几年后,AMD终于回归x86服务器市场。而这一次,AMD带着满满的信心与决心踏上了回归路。
在本次活动上,至顶网也采访到了AMD高级副总裁,企业、嵌入式和半定制事业部总经理Forrest Norrod,并与他进行了深入沟通。
一口吃不成胖子 还要一步一步脚踏实地走
服务器处理器市场近年来新涌入了很多厂商,包括高通、IBM等,但英特尔在服务器处理器市场依旧是“老大”,其X86架构服务器市占高达九成。
AMD在服务器处理器市场拥有多年的技术积累,它曾占据x86服务器处理器市场25%的份额,研发实力不容小觑。Forrest Norrod表示,AMD是唯一能在服务器处理器市场与英特尔抗衡的公司。英特尔是个值得尊敬的对手。当然,我们的优秀产品完全能够满足现今云时代的工作负荷。
想要撼动英特尔在x86服务器处理器市场的地位是很困难的,AMD也清楚的看到了这一点。俗话说“一口吃不成胖子”,AMD在回归之前就做了详细的计划,Forrest Norrod说道,AMD意识到要回到这个市场就必须在新的CPU核心上进行长期的投资,第一个就是Zen架构,然后每一年半会再推出新核心架构,比如Zen2、Zen3等等。Zen架构也奠定了AMD未来几年产品的路线图。
EPYC系列处理器就是AMD回归x86服务器处理器市场的第一步,也给服务器处理器市场空投了一枚名为“EPYC”的炸弹。
EPYC系列处理器——AMD“收复失地”的秘密武器
今年三月份,AMD展示了面向企业级市场的Naples(那不勒斯)高性能服务器处理器,而在随后的FAD上公布了该服务器处理器的品牌名称——EPYC,即将于近期上市。关于两者的关联,Forrest Norrod也给出了答案,Naples是AMD内部的“code name”,它不是对外宣布的品牌名称。Naples是芯片的名称,EPYC则是服务器处理器品牌名称。他开玩笑的说道,在给AMD服务器处理器命名时,AMD要坚持“一路向北”,下一代的芯片名称是Rome,接下来是Milan。(注:Naples、Rome、Milan都是意大利城市的名称,排序是从南到北)
Forrest Norrod透露,EPYC具有很强的功能,该高性能处理器基于Zen架构,最高32核64线程,32MB三级缓存,112条PCIe总线,设计有单路和双路,在各种双插槽或单插槽的应用都能胜任。AMD表示,EPYC品牌旨在改革双插槽服务器市场,并可能同时重塑对单插槽服务器的预期。据了解,基于EPYC的服务器定于2017年6月20日发布,它也将成为AMD“收复失地”的秘密武器。
想要跟英特尔平起平坐 AMD野心还是大大滴
从服务器处理器的产品到市场,AMD都想跟英特尔来一场平等的较量。
Forrest Norrod希望AMD能实现增长,今后在服务器处理器市场上能够跟英特尔平起平坐。另外,EPYC被设计成多核心,部分原因就是为了在单插槽系统上能够做到大部分的双插槽的那些产品的功能,为消费者省电,节省在基础设施上的开支,就是说AMD单插槽系统可以为客户提供双插槽一样的功能,EPYC几乎可以跟英特尔的双插槽的产品平起平坐。
除此之外,Forrest Norrod也透露了客户和合作伙伴对EPYC的测试情况,目前他们对EPYC的反馈非常好,AMD的性能测试结果也很好,产品表现超出AMD在一年前给客户所做的承诺。
有竞争才有活力,专注于做产品的AMD要像个斗士一样,凭借自身的创新和技术积淀,去打破服务器处理器市场的垄断局面。毕竟,墨守成规不是AMD的作风,做工程师范儿的创新者才是AMD的目标。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。