一 | 8 月 25 日消息，科技媒体 Wccftech 昨日（8 月 24 日）发布博文，报道称英特尔披露了 Wildcat Lake（酷睿 Series 3）系列处理器的相关细节。定位方面，英特尔 Wildcat Lake 主要面向入门级 PC，保留 Panther Lake 的基础架构，并通过封装、Die 面积、I/O 配置和优化主板设计降低平台成本。
二 | 本文来源：时代周报 作者：朱成呈 今年WAIC，“超节点”在现场火了。性能方面，Wildcat Lake 最高提供 40 TOPS 的平台 AI 算力，最高可达到 Raptor Lake U Refresh（酷睿 100 系列）的 2.7 倍；创作与生产力性能最高提升 2.1 倍，处理器功耗降低 64%。 走进世博展览馆，华为、阿里巴巴、百度、中兴通讯、中科曙光、天数智芯、沐曦股份、摩尔线程等国产算力厂商，几乎都把各自最新的超节点产品摆在展台最显眼的位置。封装方案上，英特尔为降低封装成本和良率损失，Wildcat Lake 没有沿用 Panther Lake（酷睿 Ultra Series 3）的 Foveros 方案，改为使用有机多芯片封装（Multi-Chip Package，MCP）和 UCIe（Universal Chiplet Interconnect Express）方案。 一排排没有屏幕的黑色机柜，成为最引人关注的展品之一。 真武M890×磐久AL128超节点 时代周报记者摄 时代周报记者注意到，中科曙光带来全国产十万卡AI超集群"曙光8000（登峰）"，阿里巴巴展示"真武M890×磐久AL128超节点"，中兴通讯推出OEX超节点，百度带来天池512超节点，沐曦股份展示曦景S600超节点，壁仞科技发布支持1024卡Scale-up扩展的下一代NPO光互连分布式解耦架构超节点，华为则首次线下展示1024卡昇腾950超节点真机。 这些外观并不起眼的黑色机柜前，许多观众举着手机排队拍照，不少厂商甚至安排机器人在机柜旁互动，让原本冰冷的算力设备成为展会"打卡点"。 这种变化并非偶然。其中有机多芯片封装是一种将多个功能不同的裸芯片（Die）垂直堆叠或水平排列，共同封装在同一个有机基质载板（Organic Substrate）上的先进封装技术。
三 | 而 UCIe 是半导体行业内的一个开源、标准化的芯粒（Chiplet）互连规范，定义了同一个封装内部（On-Package）不同芯片之间的通信标准，旨在打破过去的壁垒，让来自不同厂商、采用不同晶圆工艺节点的芯片能够像拼乐高积木一样，无缝地组装和协同工作。英特尔 Wildcat Lake 的计算 Die 采用 18A 工艺，I/O Die 采用台积电 N6 工艺。18A 支持双裸片方案的 UCIe 连接。过去几年，AI产业竞争更多集中在单颗芯片的算力、功耗和制程；而随着大模型训练和推理迈入万卡、十万卡时代，行业开始意识到，仅有高性能芯片已经不足以支撑模型持续扩张。这一变化也带来代价。UCIe 的凸点间距为 110 微米，Foveros 为 36 微米。更大的间距要求更高的 GT/s 速率，并扩大 I/O 与控制器区域，让 Wildcat Lake 的 UCIe Die 间接口面积比 Foveros 方案大 70%。
四 | 如何将数百、数千甚至上万张AI卡高效连接，并通过网络、软件和调度系统充分释放集群性能，正成为新的竞争重点。与 Panther Lake 相比，Wildcat Lake 的计算 Die 面积缩小 38%。 换句话说，AI产业竞争正逐渐从芯片本身，转向芯片之上的系统能力。具体变化包括：Xe 图形核心最多 2 个，Panther Lake 为 4 个；保留用于 AI 的 XMX，取消光线追踪功能。 这一趋势同样体现在大会官方评选中。NPU 减至最多 1 个，NPU 算力为 17 TOPS，平台总算力为 40 TOPS；Panther Lake 平台为 53 TOPS，NPU 为 3 个。P-Core 减至最多 2 个，Panther Lake 为 4 个；保留相同单线程性能，末级缓存从 12MB 减至 6MB。取消 IPU（图像处理单元）和用于摄像头的 USB 2 ISP。今年WAIC三项"镇馆之宝"均与超节点相关，分别为中科曙光AI超集群"曙光8000（登峰）"、阿里巴巴"真武M890×磐久AL128超节点"以及中兴通讯"OEX超节点"。
五 | 取消专业媒体功能。
六 | 在业内人士看来，这不仅意味着几款产品获得认可，更意味着国产AI算力竞争正在进入新的阶段。 "随着大模型加快进入各类业务场景，算力需求正从训练进一步扩展至推理和边端计算。峰值性能仍是重要指标，但产品的实际表现，越来越取决于芯片、软件、集群和应用之间的协同效率。"天数智芯副总裁邹翾在WAIC期间表示。
七 | “单卡时代”过去了？ 如果说过去AI产业竞争比拼的是发动机，那么如今比拼的更像是一整套动力系统。 随着模型参数规模持续增长，先进大模型训练往往需要数万张GPU协同运行。LP5 内存位宽从 128 位降至 64 位，系统缓存从 4MB 减至 2MB。显示管线最多 3 条，Panther Lake 为 4 条；保留 4K 60Hz 和 UHBR20 支持。此时，真正影响训练效率的，不再只是单颗GPU性能，而是整个系统如何组织这些GPU完成高效协同计算。附上相关图片如下：。 曦景S600超节点 时代周报记者摄 业内通常将通过高速互连，将数百甚至上千张AI卡组织成统一计算资源池的系统称为"超节点"。例如，摩尔线程MTT C256 超节点，就是用一层scale-up网络把256张GPU变成一台数据中心级计算机。
八 | 不过，超节点远非简单地将大量GPU堆叠在一起。一名摩尔线程现场工作人员向时代周报记者表示，“我们通过高效液冷散热、三盲插设计、完善的RAS机制和集群管理系统，来保障超节点在大规模部署下的稳定性和可维护性。这是基于真实万卡级训练经验沉淀下来的产品化能力，而非单纯的概念堆砌。” 不同厂商也在尝试不同的系统方案。天数智芯现场工作人员向时代周报记者称，天数超节点面向大模型训练与高并发推理场景，以国产通用GPU为核心，实现144芯高速全互联，通过高带宽互联、统一资源调度和软硬件协同优化，提供稳定、可靠、可扩展的高质量算力。
九 | 阿里云现场方面，一名工作人员则表示，磐久AL128超节点服务器是阿里云面向AI大模型时代打造的硬件基座，单柜集成128颗芯片，通过自研ALink互连架构，最大化GPU集群的协同计算效率。
十 | 在摩尔线程高级副总裁董龙飞看来，超节点要解决的是在一个大的系统里，如何把一个更大的模型，更大的上下文窗口放进来，还可以更快的推理出来。因为推理的速度慢了之后，调用工具就非常慢，超节点主要是为解决这个问题。 业内人士呼吁算力产业开放 相比单颗芯片，超节点竞争涉及的环节更多，也更加依赖产业链协同。 天数智芯副总裁宋煜认为，对通用GPU而言，实验室指标能够反映部分性能，但客户业务中的长期运行，更能检验产品在复杂负载和系统协同下的实际能力。
十一 | 算力能否转化为效率改善、成本下降和资源利用率提升，是衡量其产业价值的重要标准。 这意味着，行业评价标准也正在发生变化。 过去，人们关注TOPS、TFLOPS等芯片参数；如今，更关注训练吞吐率、网络时延、GPU利用率、集群稳定性以及整体拥有成本等系统指标。
十二 | 由于一套成熟的超节点涉及芯片、交换网络、光互连、液冷、软件平台等多个环节，仅依靠一家企业已很难完成全部能力建设，开放生态因此成为国产算力发展的另一条主线。 中兴OEX超节点 时代周报记者摄 今年WAIC期间，中兴通讯联合壁仞科技、沐曦股份、燧原科技、天数智芯等合作伙伴，共同推出基于OEX+dOCS架构的国产高性能Matrix超节点，正是这一趋势的体现。 曦智科技创始人、董事长沈亦晨认为，当前最亟需补强的，是在庞大算力产业链中构建真正开放的产业生态，使计算、存储、交换、软件、应用等各环节的优秀企业最大化发挥各自优势，共同驱动中国算力基础设施的升级。 如果说芯片时代，比拼的是单点技术突破，那么系统时代，比拼的则是整个产业链的协同能力。 而超节点，也只是更大规模AI基础设施的起点。 “超节点更多是一个高密度的计算单元，把大量AI加速卡通过高速互连组织在一起，相当于把一台‘超级服务器’做得更强。”一名中科曙光技术工程师向时代周报记者解释，而超集群是在超节点基础上，通过高速网络把成百上千个超节点连接起来，实现十万卡级资源统一调度和协同运行，是一个完整的AI基础设施系统。 该技术工程师进一步指出，真正的挑战不在节点内部，而在节点之间。随着集群规模从千卡、万卡走向十万卡，跨节点通信会成为影响训练效率和系统稳定性的关键因素。
十三 |
Current article:http://x8x1w.mexuanmeixuyaopinzheng.shop/list_bx3m2t7/9gi.html
Published on:10:04:49
微信
移动端
