如果你对IT行业有一定的了解,那你一定听说过“摩尔定律”的名号。摩尔定律指的是集成电路上可容纳的晶体管数目,约每隔18个月便会增加一倍,性能也将提升一倍。提出这一定律的人正是英特尔创始人之一戈登·摩尔。几十年以来,英特尔也在摩尔定律的指导下,冲破层层技术难关,逐渐脱颖而出。
不过,近年来,很多呼声却唱衰“摩尔定律”,认为摩尔定律可能已经走到尽头。英特尔却不这样认为,仍坚持以“摩尔定律”为中心。英特尔公司总裁詹睿妮在今年的Computex上表示,摩尔定律依旧是英特尔成长的秘诀。
人们不看好摩尔定律的原因有很多,大部分人觉得芯片的纳米数已经在向个位数接近,而摩尔定律按照预测的轨迹发展的话,在物理的角度上来讲难度很大。
不过,英特尔却认为:如果我们到达不了极限,那就无限的接近极限!
近日,英特尔在京发布了酷睿M处理器,它也是全球首款已投入商用的14纳米处理器。
很多人认为“定律”就应该是亘古不变的,其实也不尽然。
英特尔在本次活动上提出了“移动相对论”,其公式为M=E/C2,而这也是由爱因斯坦的智能公式(E=mc2)变形而来,但英特尔为每个字母都赋予了全新的含义。
M=Mobility(移动性)
E=Power Efficiency(低功耗)
C2=High Computing Performance(高性能)
英特尔认为“移动相对论”的公式将整个移动趋势表达的淋漓尽致。而且这个公式也能够清晰、全面地分析酷睿M产品的特性和优势。
M代表酷睿M所带来的超强移动性。酷睿M采用业界领先的14纳米制程工艺和第二代三栅极晶体管,实现了更小的封装,仅为第四代酷睿的50%,并将热设计功耗(TDP)降低了60%。
E代表不断降低的功耗。酷睿M的功耗已降低至4.5W,在执行有效工作负载的情况下,和四代酷睿相比,可将电池的续航时间延长达20%(1.7小时)。
C2代表不断增加的计算性能。与第四代酷睿相比,酷睿M处理器将计算性能和显卡性能分别提升高达50%和40%。而与使用了四年的旧电脑相比,更是实现了计算性能的两倍提升,将显卡性能提升七倍。
当分子E不断地降低时,会带来更低功耗以及更久续航;而当分母C2越来越高时,又意味着超快的运算速度和超强的处理能力。
酷睿M可以做到打造极致轻薄的无风扇设备,实现最佳的移动计算体验。
随着移动时代的来临,移动终端也迎来了爆炸性的增长。据英特尔(中国)有限公司产品平台市场部总经理杨彬表示,今年的移动设备总出货量预计将达到25亿台(包括PC、平板电脑、智能手机等),而平板电脑、二合一产品、笔记本等设备也将实现大幅增长,预计增长率会达到54%。
不仅如此,英特尔(中国有限公司)客户端平台部张健还谈到,全球有6亿台使用时间超过4年的个人电脑需要更新(据英特尔调研结果显示),而介于PC与平板的跨界产品的二合一设备,相比使用4年的老电脑有五大优势,分别为更轻薄、CPU性能提升至两倍、图形处理效果提升至7倍、两倍电池续航以及安静清凉的无风扇设计。
二合一设备,不仅兼具PC的性能,同时无风扇的设计也使二合一产品形态变得更加多样化,也更具有吸引力。
杨彬在演讲时强调,酷睿M需要更小更强大的晶体管来帮助实现功耗低、长续航、高性能等特性,而这一点目前只有英特尔能够做到。
我们知道酷睿M属于英特尔第五代产品Broadwell-Y的产品系列,但它却是独立出来的一条产品线,张健解释道酷睿M的定位就是把高性能和高移动性进行优化组合的产品线。目前,酷睿M支持Windows8和Linux操作系统,张健表示不排除将来适配Android系统的可能性。
张健表示,目前有20款与合作伙伴的产品正在筹备中,第一批搭载酷睿M的产品将于2014年10月陆续推出市场,而2015年年初时也将会有更多搭载酷睿M的产品与消费者见面。
近期CNET记者曾采访过英特尔中国区家用笔记本产品市场经理刘岩,她提起酷睿M产能问题时表示“不用担心”,酷睿M的产品测试没有问题,已经进入量产阶段。2014年能够制作14nm产品的工厂只有两家,分别位于美国的亚力桑娜与俄勒冈,2015年也会在爱尔兰开设制作14nm产品的工厂。
对于深圳本土厂商,张健表示会积极推广酷睿M,并且希望早日看到深圳本土厂商推出搭载酷睿M处理器的产品。
14nm,这是英特尔的极限么?答案现阶段来看是否定的;摩尔定律真的能一直跟随英特尔并且助力这个企业稳步发展么?答案无从知晓。未来,充满很多变数,希望英特尔能如所说的那样——如果我们到达不了极限,那就无限的接近极限!
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。