ZD至顶网CIO与应用频道 05月27日 北京消息:AMD、ARM、Mellanox、华为、IBM、高通和赛灵思七家公司正式宣布,联手成立CCIX(针对加速器的缓存一致性互联)联盟,面向数据中心合力推出高性能开放式加速器加速架构,支持多处理器架构和加速器无缝共享数据。
这将是业界首次以一个统一的互联技术规范确保采用不同指令集架构(ISA)的处理器与加速器同步分享数据,同时还支持高效的异构计算,从而将大幅提升服务器运行数据中心工作负载的计算效率。
由于功耗和空间的局限,应用加速已成为数据中心的当务之急。大数据分析、搜索、机器学习、NFV (网络虚拟化)、4G/5G无线、内存内数据库处理、视频分析和网络处理等应用,都能受益于可在不同系统组件之间无缝传输数据的加速器引擎。CCIX 联盟将支持系统组件访问和处理任意位置的存储数据,且无需复杂的编程环境。这将实现独立的和芯片级集成的应用加速,同时还可充分利用现有的服务器生态系统和封装,从而降低软件门槛,并降低加速系统的总拥有成本(TCO)。
CCIX联盟成员有大量现有技术可利用,例如:ARM有一套一致性SoC互连,AMD主导的异质系统架构基金会 (Heterogeneous Systems Architecture Foundation) 为手机处理器的CPU、GPU开发了快取一致性连结;此外IBM已经在Power架构晶片中使用一致性加速器处理器介面(即CAPI)。这些技术都需要高速网络互连作为支撑,而这正是Mellanox端到端的InfiniBand和以太网产品的价值所在。
引言
“和现有互联技术相比,CCIX带来了更高的性能和连接功能,切实地为下一代 CPU – 加速器– 网络标准接口铺平了道路。通过 CCIX 预期的广泛生态系统支持,数据中心将能优化其数据利用,从而实现世界领先的应用效率和规模。”
—— Gilad Shainer, Mellanox公司市场部副总裁
“AMD 全力支持开放式标准的开发,期望让异构计算技术更为普及。通过与业界其他公司联手开发提升性能的最新互联规范,AMD 致力于持续推动开放式异构计算技术的发展。”
—— Gerry Talbot, AMD公司研究员兼 I/O 和电路技术副总裁
“传统数据中心工作负载采用的“通用架构(one size fits all architecture)” 不能提供行业所需要的性能和效率。CCIX 受益于专用处理和独立的硬件负载分流,可简化软件开发和应用部署,从而实现更优化的解决方案,为数据中心客户带来更高性能和价值。”
—— Lakshmi Mandyam, ARM 公司服务器系统和生态系统总监
“作为产业创新的催化剂, IBM Power Systems™ 近来展现了全面开放的承诺, 在后摩尔定律时代为客户创造低成本、高性能的价值。IBM 致力于携手志同道合的业界领先企业,并持续扩展我们在开放一致性技术上的努力,满足客户不断增长的需求。”
—— Brad McCredie, IBM 研究员兼 POWER 开发副总裁
“能够在一个开放的、跨指令集(ISA-agnostic) 的平台上开发一种新的技术以实现高效、高性能的架构,高通技术感到非常兴奋。未来的数据中心需要开放式的架构, 以提供计算、加速和互联技术的选择,CCIX为实现这一目标迈出了关键一步。”
—— Vinay Ravuri, 高通技术产品管理副总裁
“CCIX 将利用现有的服务器互联基础架构,并提供更高带宽,减少时延,实现对共享存储器的缓存一致性访问。这将大幅提升加速器的利用率及数据中心平台的整体性能与效率。”
—— Gaurav Singh, 赛灵思公司架构副总裁
了解更多,请点击CIXX联盟官网:http://www.ccixconsortium.com/。
好文章,需要你的鼓励
AI技术的最新应用展示了其在日常办公场景中的强大能力。用户现在可以通过简单的截图操作,让AI智能识别和提取图像中的时间、地点、事件等关键信息,并自动创建相应的日历事件。这种功能大大简化了日程管理流程,提高了工作效率,代表了AI技术在实用性和智能化方面的重要突破。
杭州电子科技大学研究团队开发出CRISP-SAM2智能医学影像分析系统,能够结合文字描述和CT图像同时进行器官识别。该系统通过跨模态语义交互技术,无需医生手动提示即可精准分割18种人体器官,在七个数据集测试中表现优异,为医学影像诊断提供了新的AI解决方案。
最新调查显示,91%的AI用户都有首选的聊天机器人工具。其中ChatGPT以28%的占比位居榜首,其次是谷歌Gemini(23%)、Meta AI和亚马逊Alexa(各18%)、苹果Siri(16%)。用户主要将这些AI工具用于撰写邮件、研究感兴趣话题和管理待办事项。报告指出,61%的美国人在过去半年内使用过AI,19%的人每天都在使用。
伊利诺伊大学研究团队开发了HalluSegBench评估系统,首次系统性揭示AI视觉分割模型的"幻觉"问题。通过创建1340对对比图像和四种新评估指标,研究发现当前先进AI模型普遍存在错误识别不存在物体的严重缺陷,且视觉变化比文字变化更容易引发幻觉。该研究为提升AI系统可靠性提供了重要工具和理论基础。