英特尔

近日，美国对中国企业的限制动作不断： 5月15日，美国将华为公司及其附属公司列入出口管制“实体名单”。 随后美国谷歌公司宣布将停止提供安卓（Andriod）系统的技术支持与服务，而安卓系统一直是世界知名的开源项目。 进一步人们又发现美国开源代码托管平台GitHub与美国非盈利公司Apache基金会均有明确声明受美国出口管制约束。 在上述列举的事件中，我们注意到了一个词——开源。 开源的主要要素包括：开源基金会、开源许可证、开源项目和开源代码托管平台等。当前这些组织、项目都在美国，几乎所有开源许可证和代码托管平台也都由美国的学术界和工业界主导。在中美贸易战背景下开源项目有何风险，美国对开源的出口管制约束对我们有怎样的影响？中国开放指令生态（RISC-V）联盟（英文缩写为 CRVA)发布权威报告《开源项目风险分析与对策建议》，给出了对“开源自立”的细致调研和建议。 在网络领域也有很多开源组织(如Linux Foundation)和开源项目，美国政府是否会试图禁止或干涉中国企业使用开源项目？小编还没仔细研究（读者感兴趣可以看一下《开源项目风险分析与对策建议》）， 但是我们可以先看看网络领域都有哪些开源组织和项目，知己知彼，才能未雨绸缪，百战不殆。 令人眼花缭乱的网络开源门派 Linux Foundation Linux基金会成立于2000年，是一个中立的非营利性组织，由开放源码发展实验室

1.主频 主频也叫时钟频率，单位是MHz，用来表示CPU的运算速度。CPU的主频＝外频×倍频系数。很多人认为主频就决定着CPU的运行速度，这不仅是个片面的，而且对于 服务 器来讲，这个认识也出现了偏差。至今，没有一条确定的公式能够实现主频和实际的运算速度两者之间的数值关系，即使是两大处理器厂家Intel和AMD，在这点上也存在着很大的争议，我们从Intel的产品的发展趋势，可以看出Intel很注重加强自身主频的发展。像其他的处理器厂家，有人曾经拿过一快1G的全美达来做比较，它的运行效率相当于2G的Intel处理器。 所以，CPU的主频与CPU实际的运算能力是没有直接关系的，主频表示在CPU内数字脉冲信号震荡的速度。在Intel的处理器产品中，我们也可以看到这样的例子：1 GHz Itanium芯片能够表现得差不多跟2.66 GHz Xeon/Opteron一样快，或是1.5 GHz Itanium 2大约跟4 GHz Xeon/Opteron一样快。CPU的运算速度还要看CPU的流水线的各方面的性能指标。 当然，主频和实际的运算速度是有关的，只能说主频仅仅是CPU性能表现的一个方面，而不代表CPU的整体性能。 2.外频 外频是CPU的基准频率，单位也是MHz。CPU的外频决定着整块主板的运行速度。说白了，在台式机中，我们所说的超频，都是超CPU的外频（当然一般情况下

文章目录 1 intel（英特尔） 1.1 intel简介 1.2 intel产品 1.3 X86指令集 2 ARM 2.1 ARM简介 3 X86指令集和ARM指令集的区别 3.1 X86指令集和ARM指令集的区别 1 intel（英特尔） 1.1 intel简介 intel： 美国的一家以研发、制造、销售CPU为主的公司 世界上第一块CPU在1971年诞生于英特尔：intel 4004 INTegrated ELectronic（集成电子） 1.2 intel产品 intel产品发展历程如下： 1978年 --> intel 8086 1980年 --> intel 80186 1982年 --> intel 80286 1985年 --> intel 80386 1989年 --> intel 80486 1993年 --> Pentium（80586） 1.3 X86指令集 指令集架构： CPU所有指令的集合，简称指令集。 X86指令集架构，简称 X86架构 或 X86指令集： 指的是CPU指令集，并非是CPU硬件结构。 指的是以8086处理器为鼻祖的一系列指令集，并非是某一款处理器的指令集。 X86架构一直延续到了今天，并非到586就结束了。 我们需要知道X86架构的强大并不在于它本身，而在于围绕着它所建立起来的：软件生态。AMD公司的CPU也是X86架构

前言 一款 Intel CPU的命名,一般由5个部分组成：品牌，品牌标识符，Gen标识，SKU数值，产品线后缀 。 以下图为例； 品牌 英特尔旗下处理器有许多子品牌，包括我们熟悉的凌动（ATOM）、赛扬（CELERON）、奔腾（PENTIUM）、酷睿（CORE）、至强（XEON）等。 凌动（ATOM） 是移动端处理器，用于平板、手机。 赛扬（CELERON）、奔腾（PENTIUM）、酷睿（CORE） 属于桌面级(包括笔记本电脑)，多用于台式机和笔记本电脑。 至强（XEON） 则属于企业级，多用于服务器和工作站。 品牌标识符 用于区分产品的定位 。以酷睿为例，有i3、 i5、 i7，分别代表了品牌定位低、中、高端。 一般来说，性能方面i3<i5<i7， 但是不意味着一定是i3<i5<i7 ，因为当到某一款具体的CPU，可能会有性能方面低段位cpu>高段位cpu的情况，举个极端一点的例子，在性能上，i5 7600K > i7 2600K。 Gen标识 Gen是Generation的缩写，也就是平常我们所说的“第几代”。 截止目前，Intel最新一代CPU是第七代“Kaby Lake”。 跟旧的一代相比，新的一代意味着更好的制作工艺、设计，所以也意味着更强的性能。但是当到某一款具体的CPU，不意味着前一代的CPU一定弱于后一代 ，比如 i5 6600K > i5 7500。 SKU数值

GMA HD 改变品牌电脑配置格局 　　上 世纪 九十年代，功能的日益强大使得多种模块从“处理器”这一概念里分离出来自成一派，特别是负责图形处理的GPU已有和处理器并驾齐驱的劲头，不过，英特尔显然希望加强自己的统治地位，所以，在刚刚到来的2010年，英特尔就发布了Clarkdale和Arrandale两个新核心产品，分别面向桌面台式机和移动笔记本。Clarkdale和Arrandale不但首次应用32nm新工艺，还都自带了图形核心GMA HD。在关注Clarkdale和Arrandale自身处理器机能的同时，我们也非常关心GMA HD的价值。它有何特点？价值如何？对现有的笔记本和桌面电脑产品有何影响？ 源自G45 GMA HD功能性能全面提升 　　虽集成了显卡，但Clarkdale和Arrandale都是在一块基片上封装了两颗硅芯片，而不是纯正的一体化设计。其一是家族代号“Westmere”的传统双核心处理器，采用最新32nm工艺，其二是图形核心“GMA HD”与内存、PCI-E控制器等，相当于以前的北桥芯片，不过工艺还是45nm。 image001.jpg (137.92 KB) 2010-1-12 13:56 　　　　　　　　Clarkdale/Arrandale可以缩减30%的封装面积，意味着笔记本可以设计得更加轻薄。 　　Clarkdale

NeurIPS 2019的正式会议将于加拿大/温哥华时间的12月9日早上8点开始。会议前一天将会举办为期一整天的行业展览会（可能是赞助商太多了……） 当别人为明天的正式会议捉急准备时，小助手已经在展览会里流连忘返了！ 参展商 参与此次展览会的展商都来头不小。有英特尔、谷歌、苹果、滴滴、索尼、阿里、百度、Facebook、微软、OpenAI等互联网企业。也有近年来积极布局数字化转型的金融巨头摩根大通、安永等。 展会形式 展会形式包括会谈、教程、工作坊。三种形式展示的部分产品内容有所重合、例如英特尔的Nervana™NNP，索尼的AI辅助音乐工具、百度的飞桨平台等。下面小助手将为大家着重介绍几款本次大会的明星产品。 明星产品 1. Intel：推理计算引擎-intel®Nervana™NNP。 该产品与通用intel CPU内核结合在单个芯片上，可以实现深度学习和非深度学习的快速内联。用于训练的NNP（NNP-T）设计有4个2D网格网络，以连接张量核心和跨系统缩放模型。演讲内容包括：如何在不牺牲NNP-I性能的情况下提升灵活性；针对复杂模型的NNP-T具有的可伸缩性；通过标准框架实现可编程性的软件堆栈。 产品链接： https://www.intel.ai/intel-nervana-neural-network-processors-nnp-redefine-ai-silicon/

摘要： GPU深度好文系列，阿里云技术专家分享 第一章 GPU虚拟化发展史 GPU的虚拟化发展历程事实上与公有云市场和云计算应用场景的普及息息相关。如果在10年前谈起云计算，大部分人的反应是“不知所云“。但是随着云计算场景的普及，概念的深入人心，慢慢地大家都对云计算有一个较清晰的概念和实例化的理解。自然，随着应用场景从单一依赖CPU的计算单元的应用扩展到多种体系架构，异构计算场景的应用上来后，对GPU，FPGA，TPU等专业计算芯片也提出了虚拟化和上云的强烈要求。尤其是最近几年机器学习、深度学习等领域的快速发展，催生了异构计算场景搬迁上云的高潮。 那么这个异构计算应用场景的市场规模有多大呢？异构计算作为机器学习人工智能的计算载体，先来看看人工智能前景如何？（引用出处： https://bg.qianzhan.com/report/detail/459/180116-3c060b52.html ） 图一：2015-2018年全球人工智能市场规模及预测（单位：亿元，%） 图二： 2014-2018年中国人工智能产业市场规模及增速（单位：亿元，%） 所以我们不难理解，为什么各大云计算厂商无论大小，都会极力研发异构计算产品，争抢市场的主导地位。 由于GPU是异构计算的主力军，让我们来回顾一下GPU虚拟化的发展历史，并对各个GPU厂商做一个横向比较，大家就不难看出来，哪些厂商处于领导地位

　　“跑批”也叫“批量处理”、“批处理”，英文：Batch Processing，是现今各类IT系统中常见业务之一，根据统计，70%的业务系统中的操作，是通过跑批方式完成的。“跑批”简单来说，是将一类相同的业务“积攒”到一定的量（业务相同，成批量），在指定时间点启动进行自动处理，达到简化操作，提升效率的目的。分析批处理的过程，我们不难总结出批处理业务的特点：处理量大（成批），有特定的触发时机（指定时间点），可自动处理（无需人工干预）。 “跑批”的发展历程 　　跑批业务的特点特别适合使用计算机进行处理，因此从计算机出现的那一天开始，人们就开始使用计算机来处理跑批业务。处理跑批业务的计算机软件，被称为批量业务处理软件。批量业务处理软件伴随着跑批业务发展经历了多个阶段，从最初的一段小脚本发展到动态自适应的跑批处理平台，成为了现代IT系统中不可或缺的一部分，可谓波澜壮阔，精彩纷呈。下面我们来重温一下跑批软件的发展历程吧。 计算机 “跑批”的雏形，1952-1964。 　　计算机诞生伊始，尚没有现代计算机的输入和输出设备，只能通过在纸带上打孔的方式进行输入输出，一笔一笔地处理数据，需要不停地打孔，读孔，既费时又费力。为了提高效率，渐渐形成了将要处理的数据积攒成“批”，在指定时间一次性进行处理，极大地减少了频繁打孔读孔的操作，提高了效率。这种处理方法，被称为批处理

【并发那些事】可见性问题的万恶之源 硬件工程师为均衡 CPU 与 缓存之间的速度差异，特意加的 CPU 缓存，竟然在多核的场景下阴差阳错的成为了并发可见性问题的万恶之源！( 本文过长，如果不是特别无聊，看到这里就可以了 ) 前言 还记得那些年，你写的那些多线程 BUG 吗？明明只想得到个 1 + 1 = 2 的预期，结果他有时候得到 1，有时候得到 3，但偏偏有时候他也会返回正确的 2。明明在本地运行的好好的，一上线一堆诡异的 BUG。你一遍一遍的检查代码，一行一行 debug，结果无功而返。 变量为何突然变异？代码为何乱序运行？条件为何形同虚设？欢迎收看今天的《走进科学》之半夜。。。哦，不对，欢迎阅读今天的《并发那些事》之可见性问题的万恶之源。就像上面说的，我们在写并发程序时，经常会出现超出我们认识与直觉的问题，而按我们的以往的经验，很难去察觉到他的问题所在。而又因为我们不了解他发生的诱因，即使我们按照书上的方案解决了，但是下次还是会出现。所以本文的主旨并不是解决问题的术，而是解决问题的道。一起来探究多线程问题的根源。 首先揭开谜底，大多数并发问题的发生都是这三个问题导致的， 可见性问题、原子性问题、有序性问题 。那么又是什么导致这三个问题的出现呢？本文将一步步解析可见性问题出现的原因。 核心矛盾 众所周知，电脑由很多的部件组成。其中最最最重要的有三个，它们分别是 CPU 、内存

漏洞数量242:15，英特尔和AMD CPU谁更安全？ http://www.eetop.cn/cpu_soc/6946340.html 越来越多的用户开始怀疑哪种 处理器 可以最好地保护他们的计算机，数据和在线活动， 英特尔 和 AMD 之间数十年的长期斗争最近已进入一个新的层面。 （图片来源：Shutterstock） 直到最近几年，普通用户和网络安全研究人员都大多担心过多的软件漏洞，而这些漏洞似乎永远不会消失。 随着在2018年1月谷歌批露了Meltdown和Spectre CPU 设计缺陷开始，许多用户和安全研究人员意识到，为我们的电脑提供动力的 CPU 并不像我们以前想象的那样安全。 这给我们留下了一个问题：哪个公司更安全？当我们认为 英特尔 目前有242个公开披露的漏洞，而 AMD 只有16个（对 AMD 有利的比例为15：1）时，这个问题似乎显得很紧迫。 2018年： 处理器 安全元年 2018年1月，谷歌的零号项目安全专家以及其他独立的安全研究人员披露了 Meltdown和Spectre CPU 设计缺陷。这些漏洞的存在是由于大多数 CPU 体系结构团队为了提高其 芯片 性能而做出的设计选择。 Meltdown漏洞（也称为Spectre变体3）专门影响Intel的 CPU 。它允许第三方代码破坏通常由硬件实施的应用程序与操作系统之间的隔离