价格：8888.00起
0
联系人：
电话：
地址：
AMD新速龙CPU曝光：集成Vega显示核心2019-02-11 05:37:00 [ 中关村在线 转载 ] 作者：快科技 | 责编：赵鑫喆2019年2月9日，ComputerBase公司的成员在SANDRA数据库中发现了Athlon 200GE处理器。Athlon 200GE处理器与Ryzen 3 2200U规格比较相似，采用双核心四线程设计，主频为3.2GHz，三级缓存为4MB。此外还集成了3个Vega CU显示单元，192颗流处理器，处理器代号是Raven Ridge，主打低功耗桌面PC市场。由于信息来自SANDRA数据库，因此Athlon 200GE的售价及具体上市暂不清楚，不过可以明确的是，Athlon 200GE的直接竞争对手将是双核四线程的奔腾系列处理器。诚然，芯片市场的价格问题解决办法还需要依靠市场，近年AMD与INTEL的多核大战也使消费者感受到产品的迅速升级与价格的逐渐降低。AMD发布的7nm工艺CPU与GPU就是一个很好的信号，业界围绕7nm工艺的竞争或许就能在降低成本的同时，拉低业内的整体价格，这对消费者当然是好事，让我们拭目以待吧！7nm AMD是否会拉低CPU与GPU的价格？2019-11-27 05:15:00 [ 中关村在线 原创 ] 作者：王景山本月,AMD在旧金山NEXT HORIZON发布会上发布了基于7nm工艺的服务器级AMD EPYC™(霄龙)处理器，以及基于Vega架构的7nm的Radeon Instict加速卡。对比之下，英特尔(Intel)新一代Xeon处理器采用14nm工艺，英伟达(Nvidia)目前的Volta GPU采用12nmFFN技术工艺。AMD但放眼整个业内，7nm似乎是一个趋势，除了电脑CPU，手机CPU也逐渐采用7nm工艺，成本是一个重要原因。AMD首席技术专家Mark Papermaster说：“对于14纳米EPYC而言，一颗较大芯片的成本将会增加1.7倍......模拟I/O的扩展性又不如数字逻辑，因此这部份持续沿用14纳米技术即可......其他的也将采取类似的方法。”ＡＭＤMoor Insights & Strategy的Patrick Moorhead等分析师也表示认同。Moorhead说：“我觉得这将是整个芯片产业的未来，现在制造大型单芯片变得越来越困难，也越来越昂贵了。产业的接下来将会采用2.5D和3D封装，让这些芯片彼此堆栈在一起。”近日，针对AMD新发布 7-nm芯片的报导，一位德国科学研究人员使用Twitter话题卷标(#)说，高端的英伟达V100 GPU价格高达10,000美元以上，让我“无法在研究经费使用原则下买的起”。AＭＤ英国的一位研究人员则指出，对于欧洲买家来说，超过15,000美元的价格实在让他们望而却步，但英特尔和Nvidia的毛利率至少都有63%。诚然，芯片市场的价格问题解决办法还需要依靠市场，近年AMD与INTEL的多核大战也使消费者感受到产品的迅速升级与价格的逐渐降低。AMD发布的7nm工艺CPU与GPU就是一个很好的信号，业界围绕7nm工艺的竞争或许就能在降低成本的同时，拉低业内的整体价格，这对消费者当然是好事，让我们拭目以待吧！AMD CEO苏姿丰现身TMT大会 着重关注GPU市场泡泡网百家号11-2918:05AMD公司CEO苏姿丰参加了第22届瑞士信贷TMT(技术媒体通讯)年度会议，并接受了分析师提问，主要涉及AMD的EPYC、Ryzen、Radeon显卡、游戏主机等业务，其中GPU业务是个重点。苏姿丰表示，就整体而言他们的显卡包括高端系列在内都是很有竞争力的。至于竞争对手推广的实时光线追踪技术，苏姿丰则表示光线追踪是个很重要的技术，但真正建立起生态系统(游戏、软件厂商与硬件)还需要很长时间。2019年的显卡市场上，NVIDIA推出Turing架构，并且已经有4款Turing架构的Quadro RTX专业卡及3款GeForce RTX游戏卡，接下来还会有RTX 2060及Turing架构的笔记本显卡，而AMD今年只有RX 590推出，并且架构、规格没有变化，只是一个12nm制程的升级版，所以GPU这方面是分析师们提问的重点。对此AMD CEO苏姿丰表示对整个GPU市场而言，她相信AMD在整体上依然会极具竞争力，包括高端GPU市场。AMD正在跟硬件及软件解决方案厂商密切合作，AMD也将会支持光线追踪技术，但不是目前这种环境，因为光线追踪技术并没有深入市场主流。PU是替代不了CPU的，同样，CPU也替代不了GPU。如果形象点理解，GPU就像一群蚂蚁，这些蚂蚁都做着同样的事，而CPU就像一只猴子，这只猴子做着各种不同的事。从根本上说CPU和GPU它们的目的不同，且有不同侧重点，也有着不同的性能特性，在某些工作中CPU执行得更快，另一工作中或许GPU能更好。当你需要对大量数据做同样的事情时，GPU更合适，当你需要对同一数据做很多事情时，CPU正好。然而在实际应用中，后一种情形更多，也就是CPU更为灵活能胜任更多的任务。GPU能做什么？关于图形方面的以及大型矩阵运算，如机器学习算法、挖矿、暴力破解密码等，GPU会有所帮助。简单地说，CPU擅长分支预测等复杂操作，GPU擅长对大量数据进行简单操作。一个是复杂的劳动，一个是大量并行的工作。其实GPU可以看作是一种的CPU，专为单指令在大块数据上工作而设计，这些数据都是进行相同的操作。要知道处理一大块数据比处理一个一个数据更有效，执行指令开销也会大大降低，因为要处理大块数据，意味着需要更多的晶体管来并行工作，现在旗舰级显卡都是百亿以上的晶体管。CPU呢，它的目的是尽可能快地在单个数据上执行单个指令。由于它只需要使用单个数据单条指令，因此所需的晶体管数量要少得多。目前主流桌面CPU晶体管都是十亿以下，和顶级GPU相差十倍以上，但它需要更大的指令集，更复杂的ALU(算术逻辑单元)，更好的分支预测，更好的虚拟化架构、更低的延迟等等。另外，像我们的操作系统Windows，它是为x86处理器编写的，它需要做的任务执行的进程，在CPU上肯定更为高效，你想每个线程的任务并不相同，基本上难以并行化，完全发挥不了GPU的长处。那么，可以预见在未来，随着CPU进一步强化处理数据块的能力，我们将看到CPU和GPU架构之间的融合，而且随着制造技术的进步和芯片的缩小，GPU也可以承担更复杂的指令。CPU与GPU间的分工虽然还是大有不同，但彼此间的交集无疑会更多。
