英特尔发布Foveros封装：一颗芯片多种工艺成现实

  【天极网DIY硬件频道】了解半导体的玩家都知道，半导体芯片很多都是一次加工成型，其中只能有一种制程工艺。不过英特尔这两年在致力于芯片制造工艺的改革，英特尔在自家NUC冥王峡谷中采用EMIB(嵌入式多芯片互联桥)封装方式，将Kaby lake处理器和AMD VEGA图形核心封装到一个基板上，让电脑在更轻薄的同时还拥有超高性能。

  采用EMIB工艺封装的产品能够减少体积，降低成本和功耗。EMIB封装主要过贴片和封装，为每种情况下的工作选择最佳晶体管，无论是CPU、GPU、IO、FPGA、RF还是其他东西，只要使用正确的封装，就可以将它们放在一起以获得最佳的优化。但采用EMIB封装的大型单芯片或多芯片封装技术的缺点是距离内存太远，所以英特尔计划将3D堆叠技术引入大众市场。

  为了实现扩大节点的目的，英特尔除了在2018年采用的EMIB封装之外，推出了Foveros有源板载技术。与2D的EMIB封装方式相比，Foveros有源板载技术更适用于小尺寸产品或对内存带宽要求极高的产品，Foveros每比特传输的数据的功率非常低，封装技术要处理的是凹凸间距减小、凹凸密度增大以及芯片堆叠技术。英特尔表示Foveros已经准备就输，能偶进行大规模生产。

  英特尔显卡首席架构师Raja Koduri介绍称，英特尔多年来一直专注于高性能工艺节点，试图利用先进的制程释放更多的内核性能。此外，英特尔同样专注于优化IO工艺节点，使其拥有更适合PCH或SoC类型的功能。

  Raja Koduri展示了英特尔在2019年工艺技术，有采用10nm 1274工艺的计算核心、14nm 1273工艺的IO核心。而采用Foveros 3D堆叠技术工艺代号是P1222。英特尔在未来将扩大其节点基础，以便它能够覆盖更多的功率和性能点。(Ps：126x和127x是Intel进程节点技术的内部编号系统，不过图上并没有区分出带“+”后缀的节点变体。)

  与EMIB封装相比，Foveros的迭代并没有幻灯片上描述的复杂，英特尔使用了一组PCH连接到下面的CPU核心，但英特尔可以采用不同工艺制程的晶体管。 英特尔在架构日现场展示采用Foveros封装的芯片，在22FFL IO芯片作为有源载板，并用TSV(硅通孔技术)连接了一颗10nm芯片，其中包含1个Sunny Cove内核和4个Atom内核(可能是Tremont)，这款微型芯片尺寸为12*12，待机功率仅为2mW，看起来似乎是面向移动设备。

  在英特尔的幻灯片中可以看到，Sunny Cove内核的“Big CPU”带0.5MB独享L2缓存，4个小型Atom内核则有1.5MB共享L2缓存，两组核心共享4MB L3缓存。该芯片集成了64EUs的Gen11核心显卡、四通道LPDDR4内存控制器(4*16bit)，支持DisplayPort 1.4的MIPI(移动产业处理器接口)。

  Jim Keller表示英特尔利用Foveros技术制造尝试制造更好的产品，因此2019年和2020年还有能看到更多Foveros产品。

  本次活动中，英特尔还确定下一代Ice lake将基于Sunny Cove架构打造，同时展示了Ice lake Xeon 10nm处理器，宣告10nm产品将在2019年大规模上市？

  英特尔还在本次活动上介绍了傲腾技术、One API软件以及深度学习参考堆栈等内容。

  英特尔傲腾数据中心级持久内存作为一款新产品，具备了内存般的性能的同时，还拥有大容量存储和非易失性等特点，这项技术能够让存储设备更接近处理器，从而使人工智能和大型数据库中更大量的数据集，能够获得更快的处理速度，减少由于大容量和数据的持久性带来的访问延时损失，从而提高工作负载的性能。英特尔同时展示了傲腾与QLC固态硬盘的结合，降低对最常用数据的访问延迟。

  一般来说，当应用把读取操作定向到傲腾持久内存或请求的数据不在DRAM中缓存时，傲腾持久内存的平均空闲读取延迟大约为350ns。如果实现规模化，傲腾数据中心级固态盘的平均空闲读取延迟约为10000ns(10μs)，这将是显著的改进。在某些情况下，当请求的数据在DRAM中时，不管是通过CPU的内存控制器进行缓存还是由应用所引导，内存子系统的响应速度预计与DRAM相同(小于100ns)。总体来说，这些对平台和内存的改进重塑了内存和存储层次结构，从而为系统和应用提供了完善的选择组合。

  One API是英特尔简化跨CPU、GPU、FPGA、人工智能和其它加速器的各种计算引擎的编程。该项目包括全面、统一的开发工具组合，以将软件匹配到能最大程度加速软件代码的硬件上，公开发行版本预计在2019年面世。

  深度学习参考堆栈(Deep Learning Reference Stack)是一个集成、高性能的开源堆栈，基于英特尔至强可扩展平台进行了优化。该开源社区版本旨在确保人工智能开发者可以轻松访问英特尔平台的所有特性和功能;深度学习参考堆栈经过高度调优，专为云原生环境而构建;可以降低集成多个软件组件的复杂性，帮助开发人员快速进行原型开发，同时让用户有足够的灵活度打造定制化的解决方案。

  操作系统：Clear Linux 操作系统可根据个人开发需求进行定制，针对Intel平台以及深度学习等特定用例进行了调优;

  编排：Kubernetes可基于对Intel平台的感知，管理和编排面向多节点集群的容器化应用;

  容器：Docker容器和Kata容器利用Intel虚拟化技术来帮助保护容器;

  函数库：Intel深度神经网络数学核心函数库(MKL DNN)是Intel高度优化、面向数学函数性能的数学库;

  运行时：Python针对Intel架构进行了高度调优和优化，提供应用和服务执行运行时支持;

  框架：TensorFlow是一个领先的深度学习和机器学习框架;

  部署：KubeFlow是一个开源、行业驱动型部署工具，在Intel架构上提供快速体验，易于安装和使用。