美光公司是新近加入OpenMP架构审查委员会(简称ARB)的又一家企业成员,该委员会由多家供应商及研究机构共同组成,旨在推动这一高人气共享式内存并行编程模式的相关标准得以尽快出台。
作为一家内存厂商人,美光公司已经成为OpenMP ARB 14家软件与硬件厂商成员中的一员,希望通过长期努力为OpenMP构建起多个相关项目。目前有9位辅助成员正致力于参与标准制定,但却并未创建或者销售任何OpenMP产品,其中包括美国宇航局、德克萨斯高级计算中心、桑迪亚国家实验室以及休士顿大学。
美光公司实际上是通过收购Convey Computers公司成为OpenMP ARB俱乐部成员的,美光软件开发编译器经理John Leidel指出。继续参与该倡议并在标准的开发与推进工作当中扮演积极角色,代表着美光公司正在逐步走向自身固有的内存厂商局限,转而以内存技术参与者的身份涉足软件业务领域,他在今年于德克萨斯州奥斯汀市参加Supercomputing 2015大会时在采访当中指出。
"越来越多的用户开始要求各类配套性质的软件、工具以及编程模型,"他表示。"OpenMP在支持共享式内存编程模型方面则拥有强大的传统优势。"随着美光方面一步步建立其非易失性DIMM(简称NVDIMM),Leidel解释称,并考虑到其在DRAM与混合式内存立方(简称HMC)领域的开发尝试,美光已经意识到自身需要在不同平台之间解决软件可移植性这一重要难题,而OpenMP正是支持各类异构式内存架构的绝佳选项。
Leidel指出,美光公司希望将OpenMP标准作为该公司系统集成方案当中的固有组成部分,并让自身工作成果以规范形式为其它成员所广泛采纳,包括IBM、惠普以及德州仪器(简称TI)等等。

德州仪器提出的面向异构式系统芯片的OpenMP 4.0加速器模型。
OpenMP ARB营销协调员兼富士通公司代表Matthijs van Waveren指出,共享式内存已经开始作为一大应用层面而快速发展。OpenMP API是一套可移植且可扩展的实现模式,允许并行程序员们利用一套简单而灵活的接口实现面向多种平台的并行应用程序开发工作,其中包括各类嵌入式系统、加速器设备、多核心系统以及共享内存系统。而OpenMP本身最初于1997年以未正式标准的姿态开始为计算机科学家们所采用。
目前已经有一系列厂商在自家产品当中为OpenMP提供支持,van Waveren表示。举例来说,德州仪器公司就在其KeyStone多核心架构中支持OpenMP API,其负责支持异构式编程以及将德州仪器的定点与浮点TMS320C66x数字信号处理器(简称DSP)核心与ARM Cortex-A15 MPcore处理器加以结合。另外,德州仪器旗下的C66x DSP也是第一款能够支持OpenMP API的多核心DSP设备。
在这一领域,OpenMP标准将迎来极为广阔的适用空间,van Waveren补充称,而未来其具体用例还将进一步增长,其中包括车辆制造商进行的车体碰撞模拟与分析乃至航空公司进行的机翼模拟与降阻实验等等。
OpenMP API 4.0规范发布于2013年7月,其支持加速器编程、SIMD编程并利用线程亲和性实现了良好的优化效果。该版本还加入了一套新机制,旨在描述数据与/或计算在向其它计算设备迁移时所对应的代码区域。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。