与近期一些新闻和演讲信息相反的是,英特尔宣称不会放弃3D XPoint,并确认将启动“我们第三代Optane产品与Sapphire Rapids”。
自从美光退出3D XPoint市场,Pat Gelsinger接任英特尔首席执行官,英特尔NAND非易失性内存业务被卖给SK Hynix以来,人们一直对英特尔仅存的非易失性内存业务的未来发展抱有疑问。
这块业务包括基于3D XPoint技术的Optane SSD和Persistent Memory(PMem),其中3D XPoint是在美国犹他州利哈伊的美光工厂为英特尔生产制造的。英特尔位于新墨西哥州里奥兰珠工厂主要负责XPoint的研发。目前第二代XPoint设备正在发货,尽管2020年英特尔的路线图上有第三代和第四代,但是没有注明具体日期。
Optane PMem卡
在过去的几个月里,英特尔对于有关Optane的承诺和计划一直保持沉默。从产品战略的角度来看,Optane Persistent Memory(仅限于至强CPU连接)通过为至强提供更多内存从而加速应用,帮助英特尔至强处理器更好地与AMD服务器CPU展开竞争。
目前英特尔在Gelsinger的领导下正在寻求重新赢得在处理器领域的领导地位,并且在高带宽内存的帮助下正在打破至强DRAM的容量限制,这意味着把Optane PMem作为辅助至强处理器的战略必要性正在减弱。
今年2月我们获悉,英特尔副总裁、数据中心内存和存储解决方案部门(包括Optane业务)总经理Alper Ilkbahar即将辞职。此外,2020年英特尔的Optane 3D XPoint业务亏损超过5亿美元。
英特尔在最近的投资者日活动中没有提及Optane。Objective Analysis分析师Jim Handy透露:“很难说英特尔对3D XPoint/Optane的投入程度有多大,自从Gelsinger掌舵以来,我在管理层声明中没有看到任何有关这方面的提及,哑然一片……随你怎么解读,英特尔当然不会大张旗鼓地宣传Optane。”
Ben Thompson于2月24日在Stratechery博客上发表了对Pat Gelsinger的采访文章,其中Gelsinger表示:“我从不想涉足内存领域,你可以看到我正在尽我所能退出内存业务。”
分析师Tom Coughlin于2月28日在福布斯上发表了一篇题为“英特尔会放弃Optane吗?”的文章,他评论道:“英特尔很可能会出售现有的Optane业务,但不会为CXL和PCIe Gen 5开发新产品。”
他补充说:“有很多传言称英特尔将不会开发新的Optane产品。英特尔一年多来没有发布任何新的Optane内存产品,并且自从美光的Lehi工厂在2021年关闭以来,也没有开发任何重要的3D XPoint新产品。这项曾经前景大好的非易失性存储技术,也许只会存在于英特尔的最后一代产品中了。”
英特尔投资者日活动中展示了一张有关Sapphire Rapids的幻灯片
所有这些信息都促使我们向英特尔发出询问,关于英特尔是否会致力于开发Optane和3D XPoint。英特尔全球沟通部门的Ann Goldman回复说:“我们将继续与客户和合作伙伴在内存和存储技术方面进行密切合作,包括通过Sapphire Rapids赋能我们的第三代Optane产品。此外,我们正在帮助生态系统为关键技术做好准备,例如CXL上的内存分层技术等。”
这将意味着把Optane PMem放在CXL总线上,对那些连接到CXL总线的服务器来说,其上的应用可以把它作为高速的非易失性内存。
因此,英特尔不会放弃3D XPoint。
小结
提醒一下,Optane是英特尔对使用3D XPoint的设备的品牌总称。这是相变内存的一种实现方式,其中,电流用于将硫属化物玻璃材料的状态从结晶变为非晶并再次变回,这两种状态具有不同的电阻水平,从而用于表示二进制的1和0,并且每个状态都是持久的或非易失的。
XPoint的结构单元是以2层交叉点阵列布局的,其读取时间比NAND闪存短,但比DRAM慢,写入时间大约是读取时间的3倍。
Optane可以被部署为连接内存总线的DIMM(PMem)或者连接NVMe的SSD。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。