加速创新，英特尔打造专为AI加速的第五代英特尔至强可扩展处理器

随着第五代英特尔至强可扩展处理器（以下简称“第五代至强”）的问世，其也成为了多年来竞争最激烈的CPU市场的一员“大将”。

面对不断变化的市场需求，芯片制造商凭借能够为边缘、云、AI和科学计算等应用场景打造根据工作负载优化的组件，也因此迎来了巨大的发展机遇。除了AMD、Ampere Computing和英伟达以外，主流云服务提供商对定制芯片的依赖性在增强，例如亚马逊的Graviton和微软的Cobalt等芯片。

在接受The Register采访时，英特尔至强产品和解决方案事业部总经理Lisa Spelman不仅展示了英特尔数据中心正在以强大的执行力稳步前行，同时也分析了市场环境的变化，以及数据中心处理器产品路线图的发展变化。

持续探索“完美”

第五代至强能够实现平均20%的性能提升，这在很大程度上要归功于增大三倍的三级缓存和简化的芯粒（chiplet）架构，该架构使用两个die而不是上一代的四个。得益于上述变化，第五代至强的核心数提升至64个，这相比于主流第四代至强平台的56个核心，有了显著的改进。

而这也源于英特尔独特的策略，长期以来英特尔始终优先考虑每个核心的性能而非核心数量，因此与AMD也有所不同。但从当下的市场变化来看，尤其是以云端使用场景为例，客户对于高核心数处理器的需求正愈发强烈。

Spelman表示，“客户几乎不会因为只考虑核心数量而不选择英特尔的产品。但在面临科学计算等对核心数量要求较高的工作负载时，具体还是要取决于客户的实际工作负载和应用程序运行需求，并考虑处理器能否更好地融入现有系统。而且有很多至强处理器的优势是参数规格表无法直接体现的。”

现阶段，英特尔也对多核处理器有所布局。Spelman指出，“我也正在推动至强产品路线图朝着更高核心数量的方向发展，因为我确实希望能够满足那些客户的需求。而且，如果一切进展顺利，英特尔的首款真正多核CPU（不包括至强融核处理器）将在核心数量和性能上都极具竞争力。” 

代号为Sierra Forest的至强处理器计划将在2024年上半年推出，其最多将具备288个能效核（E-core），比Ampere One的192核多50%。性能核（P-core）处理器Granite Rapids 也将紧随其后发布，尽管现阶段已知信息优先，但可以预见的是，其也将拥有更高的核心数量、改进的性能、以及在内存和IO吞吐量上的大幅提升。

“我们正在推出性能核和能效核产品，也是源于我们对于市场发展的持续关注。”Spelman说。

加码云计算领域

随着越来越多的云服务提供商转向定制芯片，以及ARM推进其称为计算子系统（CSS）的shake-'n-bake CPU设计，英特尔也在持续加码云计算市场。

作为定制芯片的代表，亚马逊云科技拥有Graviton GPU，Trainium和Inferentia AI加速器，以及Nitro SmartNICs，但他们绝非唯一构建自有芯片的公司。在业界讨论了多年之后，微软终于推出了其Cobalt 100 CPU，该CPU的部分基于ARM的CSS构建模块，并拥有128个处理器核心。

值得关注的是微软对Arm CSS的使用，这是迄今为止Arm架构在CPU设计中最趋于完整的体现。而对于Arm来说，其目标显然是吸引更多超大规模基础设施运营商和云服务供应商以CSS作为基础，进而开发自己的定制化Arm CPU。

亚马逊云科技和微软并不是唯一选择采用ARM核心的公司。据传谷歌正在开发自己的芯片，代号为Maple，报道称其将使用Marvell开发的设计。而甲骨文虽然并未构建自己的定制CPU，但它在Ampere Computing的ARM兼容处理器上投入了大量资金。

Spelman表示，“尽管亚马逊云科技的Graviton芯片在ARM生态系统拥有“不俗表现”，但我们在云计算领域的前景也无需过于担忧。云服务提供商专注于以最有效的方式解决客户问题，这意味着即使他们有自己的产品，我们的芯片也有可能会被采用。”

英特尔的前瞻规划

尽管如期推进至强产品路线图面临挑战，但Spelman表示，一些前瞻性规划，特别是英特尔将AI加速功能适配到其CPU中的决定，已经初显成效。

Spelman指的是去年1月随着第四代至强共同推出的高级矩阵扩展（AMX）。AMX旨在加速常见的AI和机器学习推理工作负载，并减少对独立加速器的需求。这也是英特尔最新发布的第五代至强的一大特色。第五代至强也对AMX加速引擎进行了改进，并拥有更快的内存和更大的缓存。得益于此，第五代至强现在可以以更低的延迟运行更大的模型。

Spelman指出，“在异构计算时代，市场对于CPU、GPU、AI加速期等的需求都同时存在，因此我们也采用‘多条腿走路’的计划。”诚如此前披露的信息，第五代至强能够在可接受的延迟水平下承载参数量多达200亿的大语言模型。而对于参数量更大的模型来说，专门的AI加速器更为理想。

回顾过往，Spelman表示对至强团队取得的进展感到满意。“从领导者的角度来看，我现在最大的目标就是保持警惕。”