Ampere推出3nm工藝256核CPU，并與高通合作開發AI推理解決方案

近日，服務器芯片廠商Ampere Computing正式發布了年度戰略和產品路線圖更新，帶來了全新的3nm工藝256核心的 AmpereOne? 平臺產品。Ampere 還宣布正在與高通技術公司攜手合作，共同開發人工智能推理聯合解決方案。

半導體行業資深人士，Ampere 首席執行官 Renee James 表示，人工智能的發展帶來了日益增長的電力需求和能源挑戰，使 Ampere 圍繞性能和能效的芯片設計方法比以往任何時候都更加受到業界關注。Renee James 表示：“Ampere 自六年前起就致力于高性能、高能效的芯片設計，因為我們堅信這是未來的發展方向。過去，低能耗往往與低性能同義，但是 Ampere 已經證明這并非事實。我們開創了計算效率的前沿，在高效計算環境中提供超越傳統 CPU 的性能。”

Renee James 進一步強調了人工智能快速發展所帶來的日益嚴重的問題：能源問題。她表示：“當前的發展道路并不可持續。我們堅信，未來的數據中心基礎設施必須解決兩大問題：一是如何通過升級計算來優化現有的風冷環境；二是如何構建符合電網供電能力的新型可持續數據中心。這正是 Ampere 力求實現的目標”。

Ampere 首席產品官 Jeff Wittich 介紹了公司的愿景——“人工智能計算（AI Compute）”，該愿景旨在將傳統的云原生功能與人工智能深度融合。Jeff Wittich 表示:“Ampere CPU 能夠運行各種工作負載——從最流行的云原生應用程序到人工智能，包括與傳統云原生應用程序集成的人工智能，例如數據處理、web 服務、媒體分發等?！?/p>

全新AmpereOne平臺：3nm工藝256核

Renee James 和 Jeff Wittich 共同宣布，Ampere 將推出全新的 AmpereOne? 平臺，基于 N3 工藝節點，配備 12 通道和 256 核 CPU。192 核 12 通道內存平臺預計將在今年晚些時候推出。

據介紹，即將推出的 256 核 AmpereOne? CPU將采用與現有 192 核 AmpereOne? CPU 相同的風冷散熱解決方案，并提供比當今市場上任何 CPU 都高出 40% 以上的性能，且無需采用復雜的平臺設計。

Ampere表示，AmpereOne在每瓦性能上繼續保持領先地位，與業界某兩款領先的傳統 x86 處理器相比，AmpereOne? 的每瓦性能分別高出 50% 和 15%。對于希望更新和整合舊基礎設施以節省空間、預算和電力的數據中心而言，AmpereOne? 的每機架性能提升了高達 34%。

根據Ampere公布的數據顯示，AmpereOne在提高每機架的云原生性能方面，AmpereOne比AMD Genoa提高了58%，比AMD Bergamo提高了42%。

并且，基于AmpereOne的解決方案，相比基于AMD Genoa/Bergamo，可以帶來33%的機架空間的節省，15%的服務器的節省、35%的功耗節省。

全新 AmpereOne? OEM 和 ODM 平臺將在未來幾個月內發貨。

Ampere還帶來了Meta Llama 3 在基于 Ampere CPU 的 Oracle Cloud 上運行的更新。性能數據顯示，在 128 核 Ampere? Altra? CPU 上運行 Llama 3（無需 GPU 輔助），其性能可媲美 Nvidia A10 GPU 與 x86 CPU 的聯合運算，但功耗僅為后者的三分之一。

攜手高通合作開發AI推理解決方案

Ampere宣布，其正在與高通技術公司合作，共同開發采用 Ampere CPU 和 Qualcomm Cloud AI 100 Ultra 的解決方案。該方案將解決業界最大的生成式人工智能模型上的大語言模型（LLM）推理問題。

Ampere 還宣布成立 UCIe 工作組，作為 AI 平臺聯盟（AI Platform Alliance）的重要組成部分。作為該聯盟的一部分，Ampere 表示將利用開放接口技術來增強其 CPU 的靈活性，使其能夠將其他客戶 IP 整合到未來的 CPU 中。

Ampere 還宣布與 NETINT 推出聯合解決方案，該方案采用 NETINT 的 Quadra T1U 視頻處理芯片和 Ampere CPU，可同時對 360 個直播頻道進行轉碼，并使用 OpenAI 的 Whisper 模型為 40 個流媒體提供多種語言的實時字幕。

除了內存標記（Memory Tagging）、QOS 強制（QOS Enforcement）和網格擁塞管理（Mesh Congestion Management）等現有功能外，Ampere 還推出了全新 FlexSKU 功能，該功能允許客戶使用相同的 SKU 來處理橫向擴展和縱向擴展用例。

編輯：芯智訊-林子