英特尔 CEO 回怼黄仁勋,称摩尔定律仍活着并推出新一代架构

aixo 2024-09-05 00:07:03
算力 2024-09-05 00:07:03

与黄仁勋让你们相信的不同,摩尔定律依然活着,而且还活得很好。

在今年的台北电脑展上,英特尔 CEO 帕特·基辛格,直接回怼了黄仁勋「传统处理器在 AI 时代正在式微」的观点,并甩出了面向 AIPC 的大招——新一代低功耗移动平台架构 Lunar Lake ,实现了 x86 处理器有史以来最高的能效。

这是英特尔在酷睿 Ultra( Lake)进行 40 年里最重大的处理架构变革后,又一次挤爆牙膏。从封装工艺、P 性能核、E 能效核到 GPU 核显、NPU AI 引擎等大量细节都有不小的调整。

今天,英特尔正式发布了 酷睿 Ultra 200V 系列处理器,首批搭载这款处理器的笔记本电脑在 9 月 24 日起发售,现在已经开启预售,包括宏碁、华硕、戴尔、惠普、联想、LG、微星和三星在内的 80 款 PC 产品。

Ultra 200V 系列处理器一共有 9 款,它们都是 8 核 8 线程,区别主要在于的 CPU 最高睿频、GPU 核心数量和 NPU 引擎数量差异,而且由于英特尔此次将内存直接封装到处理器中,最高支持 32GB RAM 且无法升级内存。

在我们介绍英特尔这款处理器的具体表现之前,先快速了解它的主要变化:

有史以来最高效的 x86 处理器

AI 算力大幅提升

全新的架构设计

采用台积电先进工艺

能效比是酷睿 Ultra 200V 系列处理器最大的提升,英特尔调整了电源管理的方式,并针对每晶片单位面积每瓦功耗的性能进行优化而完全重新构建了性能核。

因此,在英特尔宣布 Ultra 200V 拥有「最快的 CPU 核心」、「最好的内置 GPU」和「最佳的 AI 性能」的同时,整体功耗却只有原来的一半。

英特尔表示,在相同性能表现下,Ultra 9 288V 比高通 X Elite 的旗舰处理器 X1E-80-100 功 耗低 40%,甚至和苹果 M3 芯片旗鼓相当。

就拿戴尔搭载新款处理器的的 XPS 13 来说,新版本除了处理器外配置与旧款完全一致,连续播放 1080p 视频的时长从原来的 18 小时提升到了 26 小时。

在英特尔现场展示的一个办公场景续航测试里,搭载新款处理器的酷睿 Ultra 200V 处理器的华硕 S 14,要比电容量更大、搭载 AMD HX 370 的 S 16,续航还要多近 4 个小时。

在游戏性能上,英特尔也展开了对 AMD 、高通的回击,在发布会连续祭出多张「吊打友商」的对比测试。在和高通的对比中,甚至有 23 款游戏无法在高通处理器上运行。

Ultra 200V 系列处理器 GPU 性能提升了 50%,并提供 67 TOPS 的 AI 算力,首次亮相的 X(e)2 图形微架构使在移动图形性能方面带来平均 30% 的性能提升,使得在游戏中可以实现更高的帧率和更复杂的图形效果, 提升玩家的沉浸感。

在使用 XeSS 超分辨率技术的前提下,Ultra 200V 运行《赛博朋克:2077》的帧率可以达到 45fps,《古墓丽影:阴影》可达到 66 fps,要注意这是轻薄本上的游戏体验。

在发布会后英特尔提供的现场实时演示中,可以看到 Ultra 200V 的帧速率要明显好于 AMD HX 370 和高通 X1E-80-100。不过具体的游戏体验和续航表现如何,也要看 PC 厂商的适配和调教情况。

除了轻薄本,游戏玩家还可以期待搭载新一代酷睿的掌机,微星就在现场展示了 13 英寸的 AI+ Evo 机型,预计将在明年 1 月发布。

从酷睿 Ultra 200V 发布会频繁对比 AMD、高通就不难得知,英特尔希望在 AI 时代重新抢夺 PC 处理器的领先地位。其中离不开大量生产力工具的兼容和性能,发布会上也展示了使用 Adobe、 等应用时 Ultra 200V 处理器 AI 性能的提升。

英特尔宣布也将对超过 500 种 AI 大模型的优化,同时搭载 Ultra 200V 处理器的所有产品, 从 11 月起都能免费更新并包括 11 AI+ PC 功能,不过需要要升级到最新版本的 。

虽然 AI 硬件依然在萌芽阶段,但今年无疑是 AIPC 的重要一年。

英特尔、高通、AMD 都基于 AI 带来了下一代笔记本电脑处理器,主打轻薄本的酷睿 Ultra 200V 也并非英特尔最强的处理器,拥有更多核心、线程和更大内存的 Arrow Lake 预计将在今年晚些时候面世。

报告显示,2024 年第二季度本季度 AIPC 出货量已经达到 880 万台,占 PC 总出货量的 14%,其中 的 AIPC 出货量环比增长 127%。

随着 CPU、GPU 和 NPU 每个处理器部件都具有自己的 AI 专用加速功能,端侧模型和更多应用生态的适配,当我们在寻找最适合将 AI 算力转化为生产力的硬件时,PC 依然还是目前最合适的设备。