本文摘要：方面将有一些根本性改良），而Cooper Lake和Ice Lake将用于全新的硬件平台，Cooper Lake-SP和Ice Lake-SP平台将用于全新的LGA4189 CPU插槽，并且每路处理器将反对8地下通道内存，但Cooper Lake仍将用于14nm工艺生产，Ice Lake才不会用上10nm工艺。

方面将有一些根本性改良），而Cooper Lake和Ice Lake将用于全新的硬件平台，Cooper Lake-SP和Ice Lake-SP平台将用于全新的LGA4189 CPU插槽，并且每路处理器将反对8地下通道内存，但Cooper Lake仍将用于14nm工艺生产，Ice Lake才不会用上10nm工艺。此外Cascade Lake处理器还将反对AVX512_VNNI深度自学指令集（该指令集最初计划为Ice Lake-SP处理器的一部分，但现在提早到了Cascade Lake）。而Cooper Lake则不会减少取名为BFLOAT16的新指令集。Ice Lake很有可能也不会有新的指令，但目前还没提及。

VNNI，才可逆长度神经网络指令集，其本质是让AVX-512单元反对8位INT数据的运算。VNNI还有一个取名为VNNI4的变种指令集，它曾在Xeon Phi家族中针对机器学习应用于而研发的Knights Mill处理器上经常出现。

Intel称之为，VNNI指令集并能Cascade Lake处理器的机器学习性能比起Skylake-SP提高11倍。而BFLOAT16最近被谷歌用于的数据格式，其类似于16位浮点数，字母“B”代表大脑，回应它是深度自学所需的数据格式。它与标准16位浮点数的不同之处在于对数字的定义方式。

标准浮点数将位分成符号，指数和分数，在IEEE 754标准中，16位浮点数由1位符号、5位指数及10位小数构成，可以获取一个较好的混合精度小数，也获取了充足大的数值范围。而BFLOAT16则是用于1位作为符号，8位作为指数，7位作为分数，这样的定义方式可以获取与32位浮点数完全相同的数值范围，但其精度有所减少。机器学习需要很好的适应环境这种较低精度的数据，因此BFLOAT16可以很好的代替标准32位浮点数。在安全性方面，随着Spectre和Meltdown以及其他外侧地下通道反击的经常出现，Intel和微软公司正在马不停蹄的通过各种补丁来解决问题这些问题，而这些漏洞补丁不会造成处理器性能的上升——在Skylake-SP Xeon W平台上，修缮Spectre和Meltdown漏洞不会导致3%~10％平均的性能损失。

因此业内期望Intel可以在新产品上硬件修缮这些漏洞，并防止打补丁所带给的副作用。新的Xeon还将反对通过分区增加外侧地下通道反击以确保硬件安全。

不过关于新的处理器否早已在硬件上堵住了漏洞、对性能有何影响、否必须新的芯片组的反对等问题，此次Intel所展出的信息却没很好的讲清，依然是相当大的问号。原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：必威体育app-www.ciqciq.com