全球首款7nm GPU和CPU同时发布,AMD要逆天!

简介: AMD宣布AWS会采用EPYC服务器芯片,双方已经达成合作。

AMD宣布AWS会采用EPYC服务器芯片,双方已经达成合作。

盼了又盼,AMD的发布会终于召开了。

11月7日消息,在美国旧金山,AMD召开了名为Next Horizon的大型发布会,会上发布了之前就已经“走漏风声”的全球首款7nm GPU,更让粉丝惊喜的是,一同发布的还有第二代EPYC霄龙,这是全球第一个7nm服务器处理器。

TB1THganZfpK1RjSZFOXXa6nFXa.jpg

EPYC霄龙代号为“Rome”(罗马),它基于全新的Zen 2架构,单颗拥有最多64个物理核心,128个线程,是第一代的两倍,功耗和性能都有大幅提升。Rome EPYC中还设有一个I/O裸片,放在中央,用来控制输入和输出。除了采用7nm制程外,它还是第一个支持PCIE 4.0技术的处理器,因此带宽通道也翻了几倍,可以提升加速器性能。

根据AMD公布的数据,Rome EPYC的性能比第一代翻了一番,浮点性能翻了两番,这样的升级可以说是突破很大了。

AMD的7nm GPU则是很早就出现在大众眼前,在今年6月的Computex 2018上,AMD展出过7nm Radeon Vega GPU,着实让粉丝们激动了一回。而今天发布的则是Radeon Instinct MI60和Radeon Instinct MI50,二者都基于7nm工艺的升级版Vega架构核心,集成了132亿个晶体管。上一代的14nm Vega 晶体管数量为125亿个,前者比后者增加了6.4%晶体管数量增加,面积却减少了,上一代的核心面积为484平方毫米,新一版的则是331平方毫米,小了31.6%。在同等的功耗之下,7nm Vega性能提升25%,同等频率下,功耗却降低了50%。Radeon Instinct还搭配32GB的 HBM2显存,显存带宽能够达到1TB/s。同时,这也是全球第一款支持PCI-E 4.0的显卡,AMD表示,双向带宽64GB/s,此外,借助带宽高达100GB/s的Infinity Fabric系统总线,可支持四路GPU同时运行。它的扩展性也很不错,双路性能提升了99%,四路提升298%,八路提升664%。在加速功能上,MI60 FP64双精度浮点最高为7.4TFlops,INT整数最高118Tops,FP32单精度最高14.7TFlops。

此外,AMD宣布AWS会采用EPYC服务器芯片,双方已经达成合作。

未来,AMD还会推出第一个做出7nm+升级版工艺的Zen 3,以及5nm工艺的Zen 4,看来以后AMD的发展方向是很稳了。抢先一步做出全球第一款7nm CPU和GPU,AMD的竞争对手英伟达和英特尔是否感到压力扑面而来了呢?

相关实践学习
部署Stable Diffusion玩转AI绘画(GPU云服务器)
本实验通过在ECS上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。
相关文章
|
1月前
|
弹性计算 人工智能 Serverless
阿里云ACK One:注册集群云上节点池(CPU/GPU)自动弹性伸缩,助力企业业务高效扩展
在当今数字化时代,企业业务的快速增长对IT基础设施提出了更高要求。然而,传统IDC数据中心却在业务存在扩容慢、缩容难等问题。为此,阿里云推出ACK One注册集群架构,通过云上节点池(CPU/GPU)自动弹性伸缩等特性,为企业带来全新突破。
|
2月前
|
监控 异构计算
Jetson 学习笔记(八):htop查看CPU占用情况和jtop监控CPU和GPU
在NVIDIA Jetson平台上使用htop和jtop工具来监控CPU、GPU和内存的使用情况,并提供了安装和使用这些工具的具体命令。
206 0
|
2月前
|
机器学习/深度学习 人工智能 并行计算
CPU和GPU的区别
【10月更文挑战第14天】
|
2月前
|
机器学习/深度学习 人工智能 缓存
GPU加速和CPU有什么不同
【10月更文挑战第20天】GPU加速和CPU有什么不同
83 1
|
3月前
|
人工智能 自然语言处理 文字识别
MinerU-大语言语料处理神器,CPU/GPU均可跑,开源免费“敲”好用
在7月4日举行的WAIC 2024科学前沿主论坛上,书生·浦语2.5正式发布,面向大模型研发与应用的全链条工具体系同时迎来升级。
MinerU-大语言语料处理神器,CPU/GPU均可跑,开源免费“敲”好用
|
4月前
|
机器学习/深度学习 人工智能 并行计算
【人工智能】CPU、GPU与TPU:人工智能领域的核心处理器概述
在人工智能和计算技术的快速发展中,CPU(中央处理器)、GPU(图形处理器)和TPU(张量处理器)作为核心处理器,各自扮演着不可或缺的角色。它们不仅在性能上各有千秋,还在不同的应用场景中发挥着重要作用
256 2
|
5月前
|
并行计算 API 数据处理
GPU(图形处理单元)因其强大的并行计算能力而备受关注。与传统的CPU相比,GPU在处理大规模数据密集型任务时具有显著的优势。
GPU(图形处理单元)因其强大的并行计算能力而备受关注。与传统的CPU相比,GPU在处理大规模数据密集型任务时具有显著的优势。
|
25天前
|
存储 缓存 监控
Docker容器性能调优的关键技巧,涵盖CPU、内存、网络及磁盘I/O的优化策略,结合实战案例,旨在帮助读者有效提升Docker容器的性能与稳定性。
本文介绍了Docker容器性能调优的关键技巧,涵盖CPU、内存、网络及磁盘I/O的优化策略,结合实战案例,旨在帮助读者有效提升Docker容器的性能与稳定性。
64 7
|
1月前
|
弹性计算 Kubernetes Perl
k8s 设置pod 的cpu 和内存
在 Kubernetes (k8s) 中,设置 Pod 的 CPU 和内存资源限制和请求是非常重要的,因为这有助于确保集群资源的合理分配和有效利用。你可以通过定义 Pod 的 `resources` 字段来设置这些限制。 以下是一个示例 YAML 文件,展示了如何为一个 Pod 设置 CPU 和内存资源请求(requests)和限制(limits): ```yaml apiVersion: v1 kind: Pod metadata: name: example-pod spec: containers: - name: example-container image:
229 1
|
1月前
|
存储 关系型数据库 MySQL
查询服务器CPU、内存、磁盘、网络IO、队列、数据库占用空间等等信息
查询服务器CPU、内存、磁盘、网络IO、队列、数据库占用空间等等信息
829 2