至顶网软件与服务频道消息: 英特尔在去年12月的“架构日”活动上,宣布推出“One API”项目,并将于2019年第四季度发布开发者测试版本。8月28日 英特尔架构、图形与软件部副总裁兼计算性能与开发者产品部门总经理William (Bill) Savage、英特尔架构、图形与软件部副总裁兼编译器与语言部门总经理Alice Chan与英特尔架构、图形与软件部首席工程师Eric Lin将更多One API项目内容向记者进行了展示。
英特尔架构、图形与软件部副总裁兼计算性能与开发者产品部门总经理William (Bill) Savage向大家进行OneAPI介绍
以数据为中心的多元化计算工作负载推动着对多元化计算架构的需求,多元化计算架构覆盖标量(Scalar)、矢量(Vector)、矩阵(Matrix)和空间(Spatial)。这种在英特尔缩写为SVMS的架构。这样的架构需要一个高效的软件编程工具来充分释放其性能。因此英特尔基于其的领先软件产品和丰富的SVMS架构专长打造出OneAPI。它可以跨SVMS架构统一并简化编程模型,为开发者带来更高的生产效率和毫不妥协的性能。
OneAPI支持直接编程和API编程,并将提供统一的语言和库,可以在包括CPU、GPU、FPGA和AI加速器等不同硬件上,提供完整的本地代码性能。OneAPI包括一个全新的直接编程语言Data Parallel C++ (DPC++),这是一个可替代单架构专用语言的开放式、跨行业的编程语言。通过使用开发者熟悉的编程模型,DPC++能够提供并行编程的效率和性能。并且OneAPI还可以支持基于API的编程,OneAPI强大的库跨越多个可受益于加速的工作负载领域。库函数针对每个目标架构都进行了定制编码。在领先的分析工具的基础上,英特尔将提供加强版的分析与调试工具,以支持DPC++和广泛的SVMS架构。
Data Parallel C++(DPC++)是英特尔现在正在开发的一种新的语言,它是开放的、基于标准的、高性能的,能够跨不同的硬件架构提供高性能。
英特尔架构、图形与软件部副总裁兼编译器与语言部门总经理Alice Chan向大家进行Data Parallel C++介绍
多元化架构需要全新的编程语言,现有的C++、MATLAB等可移植编程语言和CUDA、OpenCL等数据并行编程语言,都无法满足需求。因此,英特尔正在与行业携手开发一种全新的语言DPC++,支持实现横跨SVMS架构的数据并行编程。
DPC++是一种基于标准的开放式跨行业语言,可替代单一架构专有语言,能够跨SVMS架构为英特尔和行业提供毫不妥协的高性能和生产效率。
英特尔架构、图形与软件部首席工程师Eric Lin进行OneAPI集成计算库内容介绍
OneAPI集成了业内顶级的计算库,包括最快速、使用最广泛的数学函数库MKL、使用经典机器学习算法的英特尔数据分析加速库DAAL,以及面向深度神经网络的英特尔数学核心函数库MKL-DNN等,充分了解底层硬件如CPU和加速器的所有细节,并为硬件提供最佳性能。可以令数据科学家和应用开发者获得跨SVMS架构的统一软件抽象,不需对硬件计算有更多涉及就可以让所有开发者可随时获取高性能。
由此可知OneAPI既作为一种规范同时又是英特尔的一种产品,它可以简化并且统一跨不同架构以及不同厂商之间的编程,还是一个鼓励社区和行业支持的一种开放、标准的解决方案。英特尔希望在CPU、GPU、FPGA、AI加速器这四种不同的SVMS架构上部署具有统一的编程语言和库,从而提升更多用户应用的开发效率,更好满足应用开发需求。
好文章,需要你的鼓励
Quobyte发布GPU融合存储解决方案,通过整合GPU服务器现有驱动器创建共享存储池,将数据更靠近GPU处理单元。该技术利用GPU服务器中闲置的CPU、内存和NVMe存储资源,消除外部存储阵列需求,降低延迟并提升数据传输速度。系统具备容错能力,可应对GPU节点频繁重启和故障。相比传统架构,该方案可显著降低基础设施成本和功耗,每增加一个GPU节点即可自动扩展存储容量和吞吐量。
艾伦人工智能研究所开发的olmOCR 2通过创新的单元测试训练方法,将文档识别准确率提升至82.4%,在处理复杂数学公式、表格和多栏布局方面表现卓越。该系统采用强化学习和合成数据生成技术,实现了完全开源,为全球研究者提供了先进的OCR解决方案,推动了AI技术民主化发展。
英国泰恩港在部署爱立信私有5G网络一年后取得显著运营成果。该港口占地620英亩,是英国主要深水港之一。私有5G网络基于BT频谱和爱立信基础设施,支持实时视频分析、传感器驱动流程和互联机械设备。网络已应用于集装箱扫描、个人防护设备监控、受限区域检测、道路状况分析等多个场景,并与卡特彼勒合作实现远程控制铲车作业,显著提升了安全性和运营效率。
苹果公司发布了包含40万张图片修改案例的AI训练数据集Pico-Banana-400K,涵盖35种修图操作类型。该数据集采用严格质量控制,包含成功失败案例对比和多轮修图场景。研究显示AI在全局修改方面表现优秀,但精细操作仍有挑战。这为AI修图技术发展奠定基础,未来将让修图软件更智能易用。