gpu-金马国际

阿里云发布云数据中心处理器 cipu，替代 cpu 成为云时代 idc 的处理核心

cipu 与计算结合，快速接入不同类型资源的服务器，带来算力的“0”损耗

falcon shores 项目主要针对超级计算 /hpc 市场，其核心是一个新的处理器架构，可以将英特尔的 x86 cpu 和 xe gpu 硬件置入同一颗 xeon 芯片中。它计划在 2024 年发布，且英特尔预计它将提供 5 倍以上的每瓦性能和 5 倍于该公司当前平台的内存容量。

老黄大秀“ai 肌肉”！

在这场对话中，黄仁勋谈到了英伟达 omniverse 平台所承载的元宇宙蓝图，探讨了数据中心业务如何保持增长，他还对显卡领域激烈的市场竞争发表了看法，他认为，尽管每年都有所谓的“英伟达杀手出现”，但 15 年来，英伟达在超级计算机 gpu 加速领域几乎无敌手。

openai 声称这款语言让开发人员无需太多努力即可挖掘硬件的最大潜能，从而比以往更轻松地创建更复杂的工作流程。

gpu 能否保住人工智能世界“cpu”的宝座？

大规模训练 ai 模型并非易事。

美国再“拉黑”7 个中国超算实体，这是拜登政府上任后，美国政府第一次增加对华实体清单名单。

“黄氏定律”开启新时代？

随着可编程性等问题在 fpga 上的解决，fpga 将成为市场人工智能应用的选择。

dnn 训练性能瓶颈正在从计算部分转移至通信部分。

如果你想购买一块新 gpu，主要看哪些特性呢？gpu 内存、内核、张量核？如何做出有成本效益的选择？

曾支撑 2015 年中国发射的北斗卫星，龙芯是近年来国产自主程度相对较高的芯片

芯片外包台积电背后的十年沉浮和无奈

未来，计算力可能从过去算法进化的推力，变成阻力。

年代我们做研究那时一样，新的架构设计将会带来更低的成本，更优的能耗、安全和性能。计算架构的“新黄金十年”已经开启。

4 岁的寒武纪面临着不少成长中的烦恼，它能赶考科创板成功，成为“ai 芯片第一股”吗？

对于英特尔来说，2020 年和 2021 年将是竞争压力时刻环绕的漫长两年。

15 年来，imagination technologies 最重要的一次发布。

cerebras systems 的首席执行官 andrew feldman 表示，cs-1 是目前“最快的 ai 计算机”。

英特尔或许能够凭借 oneapi，对整个芯片设计行业进行一次“大规模的洗牌”。

英伟达黄仁勋表示：我们重视竞争对手，但我们有自己的技术。

在大型数据集上进行训练的现代神经网络架构，可以跨广泛的多种领域获取可观的结果，涵盖从图像识别、自然语言处理到欺诈检测和推荐系统等各个方面，但训练这些神经网络模型需要大量浮点计算能力。

经过数年的拖延，英特尔终于交付了首批 10nm 处理器。

随着 gpu 的算力不断提升，gpu 间的数据聚合（即模型同步）成为了大规模分布式模型训练的瓶颈。

一个自然而然的问题是：为什么要用并行编程？

阿里巴巴的几位专家重点讨论了阿里在云和 ai 上的思考，以下为 infoq 整理的本次对话的关键信息。

除了“智能手机有史以来最好的机器学习性能”宣称外，“能效”或许可以被称作苹果 a13 仿生芯片的最大亮点之一。

近期，英伟达在 github 上开源了 nvdla 编译器的源代码，这是世界上首个软硬件推理平台的完整开源代码。