Sierra Forest اولین شرکتی است که از هسته های کارآمد برای قدرت پردازش کمتر استفاده می کند.
اینتل یک پردازنده جدید با 144 هسته را معرفی کرده است که برای کارهای ساده مرکز داده به شیوه ای کم مصرف طراحی شده است. پردازنده Xeon که Sierra Forest نامیده میشود، بخشی از سری E-Core (Efficiency Core) اینتل است که از ویژگیهای پیشرفتهای مانند AVX-512 که به هستههای قویتری نیاز دارند، چشم پوشی میکند. AVX-512 افزونههای پیشرفته برداری 512 اینتل است، «مجموعهای از دستورالعملهای جدید که میتواند عملکرد را برای بارهای کاری و استفادههایی مانند شبیهسازیهای علمی، تحلیلهای مالی، هوش مصنوعی (AI)/یادگیری عمیق، مدلسازی و تحلیل سهبعدی، تصویر و صدا/ تسریع بخشد. به گفته اینتل، پردازش ویدئو، رمزنگاری و فشرده سازی داده ها.
Sierra Forest نشان دهنده تغییری برای اینتل است که خط تولید مرکز داده خود را به دو شاخه E-Core و P-Core (Performance Core) تقسیم می کند که طراحی سنتی مرکز داده Xeon است که از هسته های با کارایی بالا استفاده می کند.
ساندرا ریورا، معاون اجرایی و مدیر کل مرکز داده و گروه هوش مصنوعی در اینتل در یک نشست توجیهی گفت: 144 هسته Sierra Forest این باور اینتل را نشان می دهد که درآمد CPU x86 روندهای اصلی را بیشتر از روندهای سوکت در سال های آینده دنبال می کند. سرمایه گذاران مرکز داده و هوش مصنوعی او گفت اینتل تا سال 2027 فرصتی بیش از 110 میلیارد دلار برای مراکز داده و تجارت سیلیکونی هوش مصنوعی خود می بیند.
به نوعی، Sierra Forest بی شباهت به کاری نیست که Ampere با پردازنده های Altra خود انجام می دهد و AMD با خط Bergamo خود انجام می دهد، با تعداد زیادی هسته های کوچک و کارآمد برای حجم کاری ساده تر. مانند Ampere، اینتل ابری را هدف قرار داده است که در آن بسیاری از ماشینهای مجازی وظایف غیر فشردهای مانند اجرای کانتینرها را انجام میدهند.
اینتل قصد دارد Sierra Forest را در نیمه اول سال 2024 عرضه کند. اینتل همچنین جانشین Sierra Forest، Clearwater Forest را معرفی کرد. به جزییات فراتر از تاریخ عرضه در بازه زمانی 2025 نپرداخته است و از فرآیند 18A برای ساخت تراشه استفاده خواهد کرد. این اولین تراشه زئون با فرآیند 18A خواهد بود که اساساً 1.8 نانومتر است. این نشان می دهد که اینتل در مسیر اجرای نقشه راه تعیین شده توسط مدیر عامل شرکت پت گلسینگر در سال 2021 است.
جدیدترین Xeon اینتل، Sapphire Rapids، در ژانویه منتشر شد و در حال حاضر Q4 2023 به عنوان تاریخ انتشار جانشین آن، Emerald Rapids تعیین شده است. نسبت به Sapphire Rapids عملکرد سریعتر، بهره وری انرژی بهتر و هسته های بیشتری را ارائه می دهد و با سوکت سازگار خواهد بود. این به معنای اعتبار سنجی سریعتر توسط شرکای OEM ساخت سرور است زیرا آنها می توانند از سوکت فعلی استفاده کنند.
پس از آن، Granite Rapids در سال 2024 می آید. ریورا در خلال این خلاصه، یک سرور دو سوکتی را به نمایش گذاشت که یک نسخه از قبل منتشر شده از Granite Rapids را با پهنای باند حافظه باورنکردنی 1.5 ترابایت بر ثانیه DDR5 اجرا می کند. برای چشم انداز، سوپرتراشه CPU Grace انویدیا 960 گیگابایت بر ثانیه و نسل Genoa پردازنده Epyc AMD دارای حداکثر سرعت 920 گیگابایت بر ثانیه است. این نسخه ی نمایشی برای اولین بار نوع جدیدی از حافظه را که اینتل با SK Hynix توسعه داده بود به نام DDR5-8800 Multiplexer Combined Rank (MCR) DRAM ارائه کرد. این حافظه از نظر پهنای باند بهینه شده است و بسیار سریعتر از DRAM سنتی است. MCR از 8000 مگاترانسفر (MT) در ثانیه شروع می شود که بسیار بالاتر از 6400 MT/s DDR5 و 3200 MT/s DDR4 است.
اینتل همچنین در مورد قطعات غیر x86 مانند FPGA ها، GPU ها و شتاب دهنده های هدفمند صحبت کرد. اینتل اعلام کرد که 15 FPGA جدید را در سال 2023 عرضه خواهد کرد که بیشترین تعداد در یک سال است. در مورد نحوه قرارگیری FPGA ها در بازار به جزئیات اشاره نشده است.
آیا اینتل با CUDA رقابت می کند؟
یکی از مزایای کلیدی که انویدیا داشته است، زبان برنامه نویسی GPU آن به نام CUDA بوده است که به توسعه دهندگان این امکان را می دهد که مستقیماً به GPU برنامه نویسی کنند و نه از طریق کتابخانه ها. AMD و Intel تاکنون هیچ جایگزینی نداشته اند، اما به نظر می رسد اینتل در حال کار بر روی آن است. در این جلسه توجیهی، گرگ لاوندر، مدیر ارشد فناوری اینتل و مدیر کل گروه نرم افزار و فناوری پیشرفته، چشم انداز نرم افزاری خود را برای این شرکت بیان کرد. یکی از اولویت های من این است که یک رویکرد جامع و تمام نگر در سطح سیستم به نرم افزار هوش مصنوعی در اینتل هدایت کنم. ما امروز سختافزار ناهمگن شتابدهی را برای رفع نیازهای مشتری آماده کردهایم. کلید باز کردن این ارزش در سخت افزار، افزایش مقیاس از طریق نرم افزار است.»
او گفت که برای دستیابی به «دموکراتیزه کردن هوش مصنوعی»، اینتل در حال توسعه یک اکوسیستم نرمافزاری با هوش مصنوعی است که بهینهسازی نرمافزار را در بالادست چارچوبهای هوش مصنوعی مانند PyTorch و TensorFlow و چارچوبهای یادگیری ماشینی برای ارتقای برنامهپذیری، قابلیت حمل و پذیرش اکوسیستم ممکن میسازد.
در ماه مه 2022، اینتل یک جعبه ابزار متن باز به نام Cyclomatic را منتشر کرد تا به توسعه دهندگان کمک کند تا کدهای خود را به راحتی از CUDA به Data Parallel C++ خود برای پلتفرم های اینتل منتقل کنند. Lavender گفت که این ابزار معمولاً قادر است 90 درصد از کد منبع CUDA را به طور خودکار به کد منبع C++ منتقل کند و تنظیم دستی برای برنامه نویسان بسیار کم است.