Уже несколько лет компания AMD предлагает совершенно атомные, а точнее ядерные, а ещё точнее суперМНОГОЯДЕРНЫЕ процессоры Epyc. В этой статье мы рассмотрим основные «бутылочные горлышки», настройки биос и другие вещи, которые мешают раскрыть потенциал этих процессоров.
В июле 2025 года GlobalFoundries — один из крупнейших контрактных производителей чипов — объявил, что покупает MIPS Technologies, ту самую компанию, которая когда-то создала архитектуру MIPS. Сумма сделки не раскрывается, но уже ясно: это событие может заметно повлиять на всю индустрию.
GlobalFoundries, некогда производственное подразделение AMD, стремится расширить свои возможности, а MIPS, сменившая множество владельцев, делает ставку на открытую архитектуру RISC-V и решения для перспективных рынков. Например, промышленная робототехника и умные автомобили. Что значит это слияние для обеих компаний и индустрии в целом?
Здравствуйте, уважаемые читатели и почитатели старинных ретро-компьютеров!
Сегодня я предлагаю вам вспомнить отечественную ЭВМ «Поиск-1». Уклон статьи будет в сторону настройки сетевых параметров. Мы увидим аспекты сетевой конфигурации под операционную систему MS-DOS, попробуем ряд основных сетевых сервисов, TELNET, FTP, HTTP и подключение к BBS. Демонстрацию работы я представлю в виде видеороликов.
На мой взгляд, будет интересно настроить сетевое подключение для такой древней, в хорошем смысле этого слова, машины.
Со временем даже самые простые продукты обрастают дополнительными функциями и сценариями. В какой-то момент становится сложно и пользователю, и самой команде. В статье рассказываю, почему возникает фича-хаос, по каким признакам его можно заметить, и какими приёмами дизайнер реально может помочь продукту остаться удобным.
В середине лета 2025 года производители продолжают радовать компактными и необычными одноплатниками. Тут и плата на Intel Twin Lake, и RISC-V-маршрутизатор с четырьмя портами, и FPGA-проект от 16-летнего разработчика. В общем, продуманные и функциональные одноплатники, каждый — под конкретные задачи. Что ж, поехали!
👨🔬 Основателями стали Роберт Нойс (изобретатель интегральной схемы) и Гордон Мур, автор знаменитого закона Мура, согласно которому количество транзисторов на чипе удваивается примерно каждые два года. Этот закон стал неофициальным прогнозом развития полупроводниковой отрасли на десятилетия вперёд.
💾 Уже в 1971 году Intel выпустила первый в мире коммерческий микропроцессор — Intel 4004, что ознаменовало начало эпохи персональных компьютеров. А позже компания стала синонимом «мозга» ПК, благодаря линейке процессоров x86 и Pentium.
Производители все чаще ставят в небольшие системы топовые чипы: Intel Arrow Lake, AMD Strix Halo и Ryzen AI Max+ 395. Некоторые из них охлаждаются жидкостью, другие — пассивно, но все ориентированы на тяжелые задачи: от AI-инференса до 10-гигабитной сети и работы с PCIe 5.0 SSD. Компактные корпуса, процессоры от ноутбуков и десктопный уровень мощности, насколько можно судить — тренд лета 2025 года в мире мини-ПК. В этой подборке — пять свежих моделей, представленных в июне и июле: от System76 и NovaCustom до Colorful и Abee.
Привет! Без лишнего: в статье расскажу про атаки на кэш-память в процессорах семейства ARMv8. Подробно изучил их для совершенствования безопасности KasperskyOS: познакомлю с теорией и практикой, механизмами работы и способами митигации. Также кратко расскажу, как мы тестировали каждый способ атаки на KasperskyOS, какие из них оказались неприменимы, какие могут представлять угрозу и как микроядро с подобными угрозами справляется. Если интересно гранулярно погрузиться в типологию атак на кэш — добро пожаловать!
Что можно собрать на основе микроконтроллеров RISC-V? Открытая архитектура уже достаточно развита, чтобы в короткие сроки реализовать с ее помощью интересные прототипы для разных сфер применения — причем с потенциалом для дальнейшего развития. В статье мы разберем несколько таких проектов, которые удалось подготовить в сжатые сроки. Каждый из них занял у создателей — еще начинающих специалистов — всего пару недель.
Ссылка на первоисточник: https://semianalysis.com/2025/06/23/nvidia-tensor-core-evolution-from-volta-to-blackwell/
В нашей статье AI Scaling Laws конца прошлого года мы обсудили, как несколько стеков законов масштабирования ИИ продвигают индустрию ИИ вперед, обеспечивая больший, чем закон Мура, рост возможностей модели, а также соразмерно быстрое снижение удельных затрат на токены. Эти законы масштабирования обусловлены оптимизацией и инновациями обучения и инференса, но достижения в вычислительных возможностях, выходящих за рамки закона Мура, также сыграли решающую роль.
В статье AI Scaling Laws, мы пересмотрели десятилетние дебаты о масштабировании вычислений, вспоминали о конце масштабирования Деннарда в конце 2000-х годов, а также конец классического закона Мура, когда темп уменьшения стоимости транзистора снизился к концу 2010-х годов. Несмотря на это, вычислительные возможности продолжали улучшаться быстрыми темпами, при этом эстафета была передана другим технологиям, таким как Advanced Packaging, 3D-stacking, новые типы транзисторов и специализированные архитектуры, такие как GPU.
Несколько лет назад у меня на прошлой работе состоялась интересная дискуссия с коллегой из отделения микроэлектроники. Его посыл заключался в том, что производительность в инференсе нейронных сетей на GPGPU от NVIDIA превосходит наше решение в связи с использованием более продвинутого тех. процесса, более высоких тактовых частот и из-за большей площади кристалла. Как программист, я не мог с этим согласиться, но на тот момент ни у кого не было времени и желания проверить эту гипотезу.
Недавно в разговоре с уже нынешними коллегами мне вспомнилась эта дискуссия и я решил довести это до конца. Для этого был подобран ближайший аналог от NVIDIA с точки зрения микроэлектроники: фабрика, тех.процесс, площадь кристалла и потребляемая мощность. В результате была выбрана видеокарта GT730 и произведено сравнение с устройством NM Card от НТЦ Модуль.
Архитектура RISC-V продолжает набирать обороты, но вокруг нее, как и вокруг любой новой и перспективной технологии, роятся мифы и недопонимания. Многие из этих заблуждений настолько укоренились, что мешают объективной оценке ее потенциала и ограничений. В этой статье мы разберем десять самых распространенных на сегодня мифов о RISC-V. Наш анализ опирается на фундаментальные принципы и подходы, изложенные в классическом труде "Компьютерная архитектура: Количественный подход" (Computer Architecture: A Quantitative Approach), в частности, используя логику разделов "Ошибки и подводные камни". Давайте посмотрим, почему эти убеждения ошибочны и что стоит за ними на самом деле. Всем интересующимся - добро пожаловать под кат!
Невероятно, но это сказала Анджелина Джоли. Шёл 1995-й год. Представьте Джоли — ни волос, ни актёрского опыта — в роли подростка-хакерши в фильме «Хакеры». Не так уж много людей смотрели этот фильм. Ещё меньше людей оценили его актуальность. «„Хакеры“ ужасно раздражающие, — писал в то время журнал Entertainment Weekly, — ведь в них воплотился „мистический образ ребёнка за компьютером как элитарного бунтаря, которую сейчас пропагандируют журналы вроде WIRED“». Тридцать лет спустя Entertainment Weekly больше не издаёт журнал, а WIRED издаёт, и «Хакеры» входят в число основополагающих документов цифровой эпохи. Когда я в последний раз видел фильм, его проецировали на стену бара для крутых подростков, расположенного на соседней улице от моего дома.
Но самое невероятное не в этом. Невероятно, опять же, то, что сказала Джоли. Про будущее. В середине фильма «Хакеры» она наблюдает, как её возлюбленный (его играет Джонни Ли Миллер, за которого она позже выйдет замуж в реальной жизни) увлечённо печатает на ноутбуке нового поколения. «У него убийственная частота обновления», — говорит Миллер, учащённо дыша. Джоли отвечает: «Чип P6. Втрое быстрее, чем Pentium». Теперь Миллер действительно на взводе. Тогда Джоли наклоняется вперёд и в том самом крупном плане, который вскоре сделает её всемирно известной, говорит следующее: «Архитектура RISC изменит всё».
Каждый охотник желает знать, где сидит фазан, а каждый бюджетный геймер, совершенно того не желая, живет в вечном поиске компромиссов. Ведь производительность сборки почти всегда прямо пропорциональна цене компонентов, которые лежат в ее основе. А когда денег немного, прямо скажем, особо не развернешься. Поэтому остается жить и надеяться на удачу. Интересно, тянет ли на эту роль новый процессор Ryzen 5 5500X3D?
На протяжении вот уже многих лет рынок процессоров для ПК является биполярным и принадлежит только Intel и AMD. Эти компании контролируют почти всю индустрию, изредка уступая место какому-нибудь ARM-решению в нишевых продуктах. Но теперь ситуация может поменяться. NVIDIA решила сделать собственные процессоры для обычных компьютеров и ноутбуков. И, судя по утечкам, она настроена крайне серьезно.
Можно выделить два направления развития инфраструктуры квантовых вычислений: больше кубитов или больше чипов, объединенных в сеть. Посмотрим, кто занимается такими проектами и что в целом происходит с квантовыми коммуникациями в мире.
В последнее время я много работал с TPU и мне было интересно наблюдать такие сильные различия в их философии дизайна по сравнению с GPU.
Главная сильная сторона TPU — это их масштабируемость. Она достигается благодаря и аппаратной (энергоэффективности и модульности), и программной стороне (компилятору XLA).
Общая информация
Если вкратце, то TPU — это ASIC компании Google, делающий упор на два фактора: огромную производительность перемножения матриц + энергоэффективность.
Их история началась в Google в 2006 году, когда компания впервые начала размышлять о том, что же ей стоит реализовывать: GPU, FPGA или специализированные ASIC. В те времена было лишь несколько областей применения, в которых требовалось специализированное оборудование, поэтому было решено, что потребности компании можно удовлетворить при помощи незадействованных вычислительных ресурсов (compute) CPU её крупных датацентров. Но в 2013 году ситуация изменилась: функция голосового поиска Google начала использовать нейросети, и по расчётам для её реализации потребовалось бы гораздо больше compute.
Перенесёмся в настоящее: сегодня TPU лежат в основе большинства ИИ-сервисов Google. Разумеется, сюда включены обучение и инференс Gemini и Veo, а также развёртывание моделей рекомендаций (DLRM).
Давайте начнём разбирать внутренности TPU с самого нижнего уровня.
Итак, анализ возможных вариантов архитектуры AI-процессора и мотивация выбора GPGPU были изложены в Части 1. Но в чём секрет такого успеха GPGPU в техническом разрезе? Давайте попробуем немного углубиться в данную тему.
Теория
Для начала зададимся вопросом – а каков вообще теоретический предел идеального AI-вычислителя? Допустим, мы магическим образом определили оптимальную микроархитектуру и идеально её спроектировали. Можно ли определить, какова будет производительность такого решения?
Хорошая новость заключается в том, что это возможно, но при соблюдении следующих условий:
