Intel Xeon
PulseAugur coverage of Intel Xeon — every cluster mentioning Intel Xeon across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
纯CPU TTS基准测试：Kokoro 82M在质量上领先，Inflect-Nano-v1在速度上领先
一项在CPU上对三种开源文本转语音（TTS）模型——Kokoro 82M、Supertonic 3和Inflect-Nano-v1——进行的基准测试，揭示了显著的性能和质量差异。Inflect-Nano-v1尽管参数量小且实时因子（RTF）最快达到0.1376，但UTMOS评分发现其被高估，并且存在硬性输出长度限制。Supertonic 3提供了折衷方案，在5步配置下，以0.3164的RTF实现了4.37的MOS评分，而Kokoro …
-
Tensordyne 发布对数数学 AI 芯片，号称功率效率提升 17 倍
初创公司 Tensordyne 推出了利用对数数学提高效率的新型 AI 加速器。这种将乘法重写为加法的方法声称与 Nvidia 的 GB300 机架相比，每瓦性能提高了 17 倍。该系统采用其“Napier Processor”，集成了快速内存层和 systolic array，专为推理任务设计。虽然 Nvidia 之前曾探索过对数数学，但 Tensordyne 似乎克服了之前的实现挑战，其系统将于今年晚些时候开始发货。
-
10年老Xeon处理器可运行Gemma 4B语言模型
一个10年前的Intel Xeon处理器被发现能够运行Gemma 4B语言模型。这一发现表明，旧硬件仍有可能用于运行AI模型，特别是较小的模型，而无需最新技术。链接的博文详细介绍了如何实现此设置。
-
10年老Xeon运行26B AI模型，挑战GPU主导地位
最近的一次演示展示了一个拥有260亿参数的AI模型，在十年前的Intel Xeon处理器和128GB DDR3内存上以实用速度运行。这一成就挑战了普遍认为高端GPU是现代AI必需品的观念，预示着硬件投资策略可能发生转变。
-
Nvidia 的 Vera CPU 在服务器性能上与 AMD 和 Intel 竞争
Nvidia 公布了其新型 88 核 Vera CPU 的初步基准测试结果，该 CPU 使用定制的 ARM 指令集架构开发。在一组精选的 Linux 基准测试中，Vera 在 Nvidia 目标的工作负载方面，展现出与 AMD EPYC 和 Intel Xeon 服务器处理器相当的性能。虽然在大多数测试中并未完全胜出，但 Vera 的每核性能表现尤为强劲，在特定编译和数据库任务中甚至超越了一些 x86 竞争对手。
-
Nvidia的Vera CPU在早期基准测试中领先EPYC和Xeon
Nvidia的内部服务器CPU，代号为Vera，已显示出有希望的早期基准测试结果，性能优于AMD的EPYC和Intel的Xeon处理器。然而，这些初步测试是在Nvidia设置的受控环境中进行的，这引发了对其性能提升在现实世界中适用性的疑问。进一步的独立测试对于验证这些发现至关重要。
-
Google Cloud C4、英特尔和 Hugging Face 合作，GPT 开源模型 TCO 提升 70%
Google Cloud 的 C4 平台与英特尔和 Hugging Face 合作，在运行开源 GPT 模型方面实现了 70% 的总拥有成本 (TCO) 显著提升。通过使用英特尔至强处理器，这种优化得以实现，从而能够更高效、更经济地部署大型语言模型。该举措旨在让更广泛的用户和组织能够更轻松、更实惠地使用强大的 AI 模型。
-
Hugging Face 与英特尔合作开发 Gaudi 加速器以实现高效 AI
Hugging Face 发布了新的资源和指南，详细介绍了如何利用英特尔的 Gaudi 2 AI 加速器进行高效的 AI 模型训练和部署。此次合作的重点是优化辅助生成和检索增强生成 (RAG) 等任务的性能，旨在为企业提供具有成本效益的解决方案。该计划还探索在英特尔的 CPU 和 Xeon 处理器上运行生成式 AI 模型，从而拓宽了 AI 硬件的可及性。