英特尔曾发下宏愿,立场将CPU、GPU和内存芯片塞进统一的XPU封装当中。但如今,这个目标已然宣告失败。
台积电、ASML和Synopsys都在使用英伟达加速器来加速或支持计算光刻技术。与此同时,KLA Group、Applied Materials和日立也在英伟达的并行处理芯片上运行深度学习代码,借此进行电子束与光学晶圆检测。
在一年前的谷歌I/O 2022大会上,谷歌向全世界展示了其内部机器学习中心使用的8-pod TPUv4加速器,包含总计32768个第四代原研矩阵数学加速器。
在英伟达,负责引导研究朝着应用、而非纯学术项目前进的,是斯坦福大学计算机科学与电气工程兼职教授,公司首席科学家、高级研究副总裁以及GPU、网络与CPU芯片设计师Bill Dally。
Nvidia的GPU是业内最常见、最强大的。除了硬件之外,NVIDIA还通过软件工具推进Nvidia的普及,这些软件工具涵盖了从边缘推理到自动驾驶再到医学成像的各个领域,潜力无限。
微软公司Azure高性能计算和人工智能群组首席项目经理Matt Vegas在博客文章中写道:“为我们的客户兑现高级人工智能的承诺,这需要超级计算基础设施、服务和专业知识,以应对呈指数级增长的规模和最新模型的复杂性。
GPU创业是一个长期事业,充满了挑战,我们深知生态的重要性。我们只有与生态伙伴、行业用户凝聚在一起,才能将摩尔线程的算力真正发挥出来。
在近日举行的“应云而变,携手加速创新”为主题的英特尔数据中心GPU Flex系列媒体沟通会上,中科大洋技术研究院院长褚震宇分享了英特尔GPU在视频解码与转码方面的创新实践。
英特尔基于XPU战略打造了跨CPU、GPU、FPGA、IPU等多种架构的算力资源支持未来的应用。其中,最新的英特尔Flex系列GPU采用了突破性设计,可以应对算力挑战、满足新兴智能视觉云负载所需的多项软硬件创新及突出的灵活性和可扩展性。
英特尔近日发布了最新产品Intel Max系列,希望以此在高性能计算和人工智能市场与竞争对手AMD及Nvidia展开竞争。
近日,英伟达宣布将在中国推出一款全新A800芯片,作为A100芯片的替代,两者都是图形处理器芯片。
摩尔线程在北京发布多款软硬件新品,包括新一代GPU“春晓”、面向个人电脑的消费级显卡MTT S80和服务器计算卡MTT S3000、一体化计算设备“MCCX元计算一体机”,以及开发套件、数字人解决方案等。
如今的超级计算机尽管无比强大,但仍不足以预测未来。至于超级计算机自身的未来,那就更加难以预料。
虽然英特尔早已是GPU市场上的老玩家,甚至很难在过去几十年来找到比英特尔更热衷于整合GPU业务的厂商,但芯片巨头的这条探索之路仍然走得步履蹒跚。
Nvidia今天在线举行的GTC 2022大会上宣布,首批基于下一代图形处理单元Nvidia H100 Tensor Core GPU的产品和服务将于下个月推出。
英特尔表示,专注于数据中心的Flex系列GPU(代号Arctic Sound)终于准备就绪,将在未来几个月内开始交付。
英特尔今天对数据中心芯片产品组合进行了扩充,推出了一系列针对服务器优化的Flex Series GPU。
近年来,硅光技术已经成为行业讨论中的热点话题,很多朋友也急切盼望着它能尽快普及、服务市场。十年前关于实用性硅光互连的讨论曾陷入困境,好在如今信号传输技术重新迈开发展的脚步,在我们最需要它的时候渐渐发展成形。
在现代系统架构中,存在着大量不断变化的系统软件(主要集中在控制平面内),相应的工作负载则随时游走在芯片之间,借此获得更高收益、改善系统整体安全性。但究其根本,计算引擎再怎么交替加载,其实际计算任务仍需要在某个位置实际完成。