SiFive 宣布推出全新高性能 RISC-V 数据中心处理器,适用于高强度的 AI 工作负载

代表RISC-V计算领域黃金标准的SiFive, Inc.宣布推出全新SiFive Performance P870-D数据中心处理器,以满足客户对高度并行的基础设施工作负载(包括视频流、存储和网络设备)的需求。通过与SiFive Intelligence系列中的产品相结合,数据中心架构师还可以构建一个极高性能、节能的计算子系统並用于AI驱动的应用程序。

P870-D以P870的成功经验为基础,支持开放的AMBA CHI协议,让客户在扩展集群数量时拥有更大的灵活性。这种可扩展性允许客户在提高性能的同时最大限度地降低功耗。通过利用标准的CHI总线,P870-D让SiFive的客户在使用Compute Express Link (CXL)和CHI芯片到芯片(C2C)等行业标准协议的同时,可扩展至256个核心,从而实现高核心数的异构SoC和芯粒配置的连贯性。

P870-D处理器可以创建具有更高计算密度的基础设施SoC。与竞争对手相比,SiFive提供了更高的每瓦性能指标,适用于需要并行执行多个计算任务的工作负载。因此,SiFive的P870-D在总体拥有成本方面具有优势,这对于行业正在寻求的降低AI模型训练成本尤为重要。此外,P870-D的功耗效率也与行业日益关注可持续性的趋势相契合。

“SiFive通过广泛的RISC-V解决方案组合,为AI时代带来了全新的现代化方法。全新的P870-D增强了我们经过验证的Performance架构,带来前所未有的性能、灵活性和可扩展性。”SiFive产品资深副总裁John Ronco说:“SiFive完整的解决方案,包括软件、IOMMU、中断控制器和其他非核心模块,再加上我们的智能处理器,用于专门的AI计算,使SiFive的客户能够在AI和数据中心工作负载上实现最有效的性能功耗价格比。”

“数据中心架构师未来将越来越关注能源效率;这是RISC-V的一个显著区别,也是我们预计该架构将在高性能数据中心处理器持续增长下发挥重要作用的原因。”Omdia资深研究总监Edward Wilford表示:“我们预测到了2030年,由于开源软件和开放标准架构的增长,更节能的数据中心处理器将占市场总量的40%以上。”

SiFive正与多个生态系统合作伙伴緊密合作,进一步简化完整系统的开发。例如,Arteris作为SiFive的领先合作伙伴,提供基于X280和P870-D处理器的仿真就绪参考设计,作为验证平台的首批产品。通过将SiFive的RISC-V处理器与Arteris的片上互联网络(NoC) IP集成,SiFive的客户可以加速开发,并更快地将产品推向市场。

“片上互联网络IP显著简化了构建复杂的多核异构SoC的过程,具有最低的延迟和高带宽,以适应AI工作负载。”Arteris首席营销官Michal Siwinski说:“我们很高兴持续与SiFive合作,促使生态系统能够按时、按预算创建高性能、低功耗的RISC-V系统,同时降低风险。”

SiFive还在P870-D中增加了可靠性、可用性、可维护性(RAS)之特性。这些RAS特性是為了在问题出现前检测错误,并保护数据完整性,有助于防止停机并确保系统的整体可靠性。此外,P870-D还包括分布式和可扩展的IOMMU,用于加速虚拟化设备的IO,这对于应对最新的功能安全和安全性要求至关重要。

主要特点:

●提供按计算需求的解决方案,支持扩展至256个核心。

●完全兼容RVA23配置文件,使系统开发人员能够利用广泛的操作系统、工具链和应用软件框架,从而缩短上市时间,同时降低项目风险和开发成本。

●支持RISC-V Sv57扩展,启用57位虚拟地址空间支持。

●支持4个CHI端口/集群和更宽的链接,用于多个外围设备和存储设备端口。

●集成符合先进中断架构(AIA)标准的中断控制器,支持消息信号中断(MSI)和虚拟化。

从软件角度来看,创建数据中心平台的客户強力结合了开源软件和第一方软件。许多基础性的开源软件元素已存在于RISC-V生态系统中,且这种势头正在加速,而这都要归功于像RISE项目这样的社区共同合作。P870-D处理器符合RISC-V国际组织定义的平台和配置文件标准,使客户能够利用这些软件进行设计,从而节省时间和成本,并提升项目成功的机会。

若要进一步加快开发进程,客户可以利用SiFive的标准运行控制调试功能,以及领先的工具供应商所支持的调试解决方案。为保护P870-D的设计,SiFive的客户还可以利用开放的WorldGuard模型來简化创建可信执行环境(TEE)的过程。

P870-D处理器现已提供给主要客户进行样品测试,预计于2024年底前正式发布。


夕夕海 » SiFive 宣布推出全新高性能 RISC-V 数据中心处理器,适用于高强度的 AI 工作负载

发表回复