Preview di Intel al Computex: Nuovi Prodotti Offrono Aumento di Prestazioni in Applicazioni Reali

Fino a 2 volte in Gaming e 8 volte in Intelligenza Artificiale

Precedendo l’Opening Keynote di Intel al Computex del 28 maggio, l’azienda ha fornito oggi un’anteprima di alcuni prodotti che offrono un significativo aumento delle performance per le operazioni di cui gli utenti necessitano nel mondo reale. Fra questi prodotti, un’anticipazione del nuovo processore a 10 nanometri per portatili (nome in codice “Ice Lake”) e il processore in edizione speciale Intel® CoreTM  i9-9900KS, entrambi in consegna entro l’anno. L’azienda ha discusso di come la leadership nelle performance, nella nuova era data-centrica del computing, sarà determinata al di là del tradizionale numero di core e di frequenza. Grazie alla potenza del software, l’architettura Intel® è ottimizzata per la leadership di prestazioni in carichi di lavoro del mondo reale, per le esperienze di computing sia di oggi che del futuro.

Intel sta portando avanti la leadership nelle prestazioni con il suo modello di innovazione di prodotto ridefinito, offrendo prodotti ottimizzati per specifici carichi di lavoro, combinando innovazioni tecniche all’interno di sei aree chiave: processo e packaging, architettura, memoria, interconnessione, sicurezza, software.

“Per ogni ordine di grandezza del potenziale delle prestazioni di una nuova architettura hardware, ci sono due ordini di grandezza delle prestazioni abilitate dal software. Intel ha oltre 15 mila ingegneri del software che lavorano per ottimizzare i carichi di lavoro e liberare le piene prestazioni dei processori Intel”, ha affermato Raja Koduri, chief architect e senior vice president di Intel Architecture, Software and Graphics.

Esempi dell’aumento di prestazioni nei carichi di lavoro del mondo reale, per questa nuova era data-centrica, sono riportati di seguito:

Ice Lake offre un aumento nella grafica per dispositivi portatili: come rivelato all’inizio del mese, nel corso del suo Investor Meeting, Intel inizierà a consegnare il suo primo processore, prodotto in volumi di massa, a 10 nanometri: un prodotto per PC portatili noto con il nome in codice “Ice Lake”. Con il nuovo motore grafico Gen11 di Intel presente nel processore Ice Lake, si potrà avere la prima GPU integrata del settore dotata della capacità di Variable Rate Shading, con la possibilità di applicare potenza di elaborazione variabile in aree differenti della stessa scena per migliorare le prestazioni di rendering. Inoltre, in molti popolari videogame, fra cui CS:GO*, Rainbow Six Siege* and Total War: Three Kingdoms*, si stima che la grafica Gen11 raddoppierà1 circa le prestazioni in confronto a grafica Intel Gen9, per esperienze visuali sbalorditive anche in dispositivi portatili.

Architetture di computing eterogenee introducono performance intelligenti: Intel sta introducendo i vantaggi del computing eterogeneo nei nuovi prodotti sia client che data center, grazie al suo design architetturale e le innovazioni di I/O. Ice Lake è una nuova piattaforma altamente integrata per notebook, che unisce la nuova architettura core “Sunny Cove” e la nuova architettura grafica Gen11, e integra per la prima volta Thunderbolt™ 3 e Intel® Wi-Fi 6 (Gig+) offrendo la migliore connettività. Ice Lake sarà anche il primo processore progettato per abilitare l’uso dell’intelligenza artificiale (AI) nel PC, con Intel® Deep Learning Boost (DL Boost) nella CPU, istruzioni di AI nella GPU e acceleratori a basso consumo energetico, introducendo una nuova era di prestazioni intelligenti nei PC. Oltre a mostrare come Ice Lake acceleri le operazioni che le persone che lavorano al computer compiono ogni giorno, come rimuovere la sfocatura di un’immagine o ritoccare lo stile di un video, l’azienda ha anche dimostrato come Intel DL Boost può offrire picchi di inferenza AI fino a 8 volte2 superori rispetto ad altri prodotti comparabili sul mercato, come misurato da AIXPRT.

Per le piattaforme data-centriche, i processori Intel® Xeon® Scalable di seconda generazione sono gli unici con acceleratori Intel DL Boost incorporati, combinando istruzioni di rete neurale vettoriale e ottimizzazione di software di deep learning. Con Intel CL Boost, i processori Intel Xeon Scalable di seconda generazione accelerano le operazioni con inferenze AI, fra cui il riconoscimento di immagini, il rilevamento di oggetti e la segmentazione dell’immagine, fino a 14 volte3, comparate con la precedente generazione Intel Xeon Scalable.

Comparato con una delle GPU disponibili sul mercato più comunemente utilizzate oggi, i processori Intel Xeon Scalable di seconda generazione offrono performance fino a 2,4 volte4 superiori in un reccommendation system (un sistema che suggerisce consigli automatizzati agli utenti), ovvero ad oggi uno dei più popolari carichi di lavoro basati su AI nel cloud, che conta oltre il 60 percento delle inferenze nei datacenter5.

Nuovo processore gaming per desktop in edizione speciale: Intel ha svelato in anteprima il processore edizione speciale Intel Core i9-9900KS di nona generazione, il primo con 8 core tutti a 5.0 GHz in turbo frequenza, rendendo il miglior processore desktop per il gaming di Intel ancora superiore.

Intel ha anche mostrato come l’azienda sta ottimizzando le performance reali sui videogame più popolari con innovazioni sia hardware che software. Nel corso degli anni, Intel ha ottimizzato numerosi giochi lavorando con centinaia di migliaia di sviluppatori di videogiochi.

 

Altri esempi di performance leadership all’Opening Keynote di Intel al Computex: Gregory Bryant, senior vice president e general manager del Client Computing Group di Intel, fornirà maggiori approfondimenti sugli aumenti prestazionali delle innovazioni e su nuove esperienze targate Intel, nel corso del suo Industry Opening Keynote al COMPUTEX 2019, il 28 maggio. Maggiori dettagli saranno disponibili sulla Newsroom Online di Intel, incluso il link per il live straming del keynote.

Press Kit: Intel at 2019 COMPUTEX


Intel, the Intel logo, Intel Core and Intel Xeon are trademarks of Intel Corporation or its subsidiaries in the U.S. and/or other countries. *Other names and brands may be claimed as the property of others.

Software and workloads used in performance tests may have been optimized for performance only on Intel microprocessors. Performance tests, such as SYSmark and MobileMark, are measured using specific computer systems, components, software, operations and functions. Any change to any of those factors may cause the results to vary. You should consult other information and performance tests to assist you in fully evaluating your contemplated purchases, including the performance of that product when combined with other products. For more information go to www.intel.com/benchmarks.

 

Performance results are based on testing as of date specified in the Configuration Disclosure and may not reflect all publicly available security updates. See configuration disclosure for details. No product or component can be absolutely secure.

 

Optimization Notice: Intel’s compilers may or may not optimize to the same degree for non-Intel microprocessors for optimizations that are not unique to Intel microprocessors. These optimizations include SSE2, SSE3, and SSSE3 instruction sets and other optimizations. Intel does not guarantee the availability, functionality, or effectiveness of any optimization on microprocessors not manufactured by Intel. Microprocessor dependent optimizations in this product are intended for use with Intel microprocessors. Certain optimizations not specific to Intel microarchitecture are reserved for Intel microprocessors. Please refer to the applicable product User and Reference Guides for more information regarding the specific instruction sets covered by this notice.

 

Intel technologies’ features and benefits depend on system configuration and may require enabled hardware, software or service activation. Performance varies depending on system configuration. Check with your system manufacturer or retailer or learn more at intel.com.

 

1Ice Lake gaming performance: Total War: Three Kingdoms 2.08X, Rainbow Six Siege 1.82X, CS:GO 1.72X: Based on gaming performance on those titles with the following settings: Total War:Three Kingdoms: “Battle” benchmark scenario at 1920×1080 resolution – full screen, V-Sync: off, Low Quality Preset, Resolution Scaling: 100%; Rainbow Six: Siege – Y4S1: 5 minutes of gameplay in “Suburban Extraction’ situation at 1920×1080 resolution – full screen, Vsync: off, Medium Quality Preset, Measured with: PresentMon, 300Seconds; Counter-Strike: Global Offensive – 1.36.9.5: 5 minutes of gameplay against bots of Dust II map at 1920×1080 resolution – full screen, Medium quality Presets, Multicore Rendering: Enabled, FXAA: Disabled, Texture Filtering Mode: Anisotropic 4X, Vsync: Off. = Configuration: Intel preproduction system, ICL-U, PL1=15W, 4C/8T, Turbo TBA, Intel Gen11 Graphics, preproduction GFX driver, Memory: 8GB LPDDR4X-3733, Storage: Intel SSD Pro 760P 256GB, OS: Microsoft Windows* 10, RS5 Build 475, preproduction Bios vs. Intel preproduction system, WHL U, Intel® Core™ i7 8565U 1.8GHz, up to 4.6GHz Turbo PL1=20W TDP, 4C/8T, Intel UHD Graphics 620, Graphics driver: 26.20.100.6709, Memory: 16GB DDR4-2400, Storage: Intel SSD 760P 512GB,  OS: Microsoft Windows* 10 RS5 Build Version 475, Measured by Intel as of May 2019   

 

2Ice Lake AI Performance on IAXPRT: Workload: 7.6X more images per second using AIXPRT Community Preview 2 with Int8 precision on ResNet-50 and 8.8X higher peak AI inference throughput using AIXPRT Community Preview 2 on ResNet-50 Configuration: Intel preproduction system, ICL-U, PL1=15W, 4C/8T, Turbo TBA, Intel Gen11 Graphics, preproduction GFX driver, Memory: 8GB LPDDR4X-3733, Storage: Intel SSD Pro 760P 256GB, OS: Microsoft Windows* 10, RS5 Build 475, preproduction Bios Vs. Commercially available OEM system with AMD* Ryzen 7 3700U 2.3GHz Turbo up to 4GHz, 4C/8T, AMD* Radeon* Vega 10 graphics, Adrenalin 2019 19.4.3 GFX driver, Memory: 8GB DDR4-2400, Storage: SK Hynix BC501 256GB, OS: Microsoft Windows* 10 RS5 Build 475, Bios: F.07. Measured by Intel as of May 2019

 

3https://arxiv.org/ftp/arxiv/papers/1704/1704.04760.pdf; https://research.fb.com/wp-content/uploads/2017/12/hpca-2018-facebook.pdf

4Up to 2.41x performance advantage over Nvidia* V100 GPUs: 2 socket Intel® Xeon® Platinum 8268 Processor, 24 cores HT On Turbo ON Total Memory 384 GB (12 slots/ 32GB/ 2933 MHz), BIOS: SE5C620.86B.0D.01.0286.011120190816 (ucode:0x4000013), CentOS 7.6, Kernel 4.19.5-1.el7.elrepo.x86_64, SSD 1x INTEL SSDSC2KG96 960GB, Deep Learning Framework: MXNet https://github.com/apache/incubator-mxnet.git commit f1de8e51999ce3acaa95538d21a91fe43a0286ec applying https://github.com/intel/optimized-models/blob/v1.0.2/mxnet/wide_deep_criteo/patch.diff, Compiler: gcc 6.3.1, MKL DNN version: commit: 08bd90cca77683dd5d1c98068cea8b92ed05784, Wide & Deep: https://github.com/intel/optimized-models/tree/v1.0.2/mxnet/wide_deep_criteocommit: c3e7cbde4209c3657ecb6c9a142f71c3672654a5, Dataset: Criteo Display Advertisement Challenge, Batch Size=512, 2 instance/2 socket, Datatype: FP32; with recommendation results: 678,000 records /seconds. vs. host system: 2 socket Intel® Xeon® Platinum 8180 processor (28 cores), HT ON, Total memory 128 GB (16 slots/8 GB/ 2666 MHz), Ubuntu 18.04.2 LTS  Accelerator: Nvidia* Turing V100 GPU accelerator, 32GB HBM2, 32GB/sec Interconnect BW, System interface x16 PCIe Gen3, Driver Version 410.78, CUDA Version 10.0.130, CUDNN Version 7.5, CUDA CUBLAS 10.0.130 Deep learning workload: MxNet 1.4.0https://pypi.org/project/mxnet-cu92/,  DatatType:FP32, Batch Size= 512, Running 2 instances Model: Wide & Deep: https://github.com/intel/optimized-models/blob/master/mxnet/wide_deep_criteo/ model.py  Commit ID for the current state is c3e7cbde4209c3657ecb6c9a142f71c3672654a5 Training dataset (8,000,000 samples):  wget https://storage.googleapis.com/dataset-uploader/criteo-kaggle/large_version /train.csv Evaluation dataset (2,000,000 samples):  wget https://storage.googleapis.com/dataset-uploader/criteo-kaggle/large_version/eval.csv python3 inference.py –batch-size $bs  –num-batches 10000 >> $outdir/bs$bs-$runid.2xbgout 2>&1 & python3 inference.py –batch-size $bs  –num-batches 10000 >> $outdir/bs$bs-$runid.2xfgout 2>&1. Recommendation results: 281,211 records/second. Tested by Intel as of March 2019

5Up to 14x AI Performance Improvement with Intel® DL Boost compared to Intel® Xeon® Platinum 8180 Processor when launched (July 2017). Tested by Intel as of 2/20/2019. 2 socket Intel® Xeon® Platinum 8280 Processor, 28 cores HT On Turbo ON Total Memory 384 GB (12 slots/ 32GB/ 2933 MHz), BIOS: SE5C620.86B.0D.01.0271.120720180605 (ucode: 0x200004d), Ubuntu 18.04.1 LTS, kernel  4.15.0-45-generic, SSD 1x sda INTEL SSDSC2BA80 SSD 745.2GB, nvme1n1 INTEL SSDPE2KX040T7 SSD 3.7TB, Deep Learning Framework: Intel® Optimization for Caffe version: 1.1.3 (commit hash: 7010334f159da247db3fe3a9d96a3116ca06b09a) , ICC version 18.0.1, MKL DNN version: v0.17 (commit hash: 830a10059a018cd2634d94195140cf2d8790a75a,  model:https://github.com/intel/caffe/blob/master/models/intel_optimized_models/int8/resnet50_int8_full_conv.prototxt, BS=64, DummyData, 4 instance/2 socket, Datatype: INT8 vs Tested by Intel as of July 11th2017: 2S Intel® Xeon® Platinum 8180 CPU @ 2.50GHz (28 cores), HT disabled, turbo disabled, scaling governor set to “performance” via intel_pstate driver, 384GB DDR4-2666 ECC RAM. CentOS Linux release 7.3.1611 (Core), Linux kernel 3.10.0-514.10.2.el7.x86_64. SSD: Intel® SSD DC S3700 Series (800GB, 2.5in SATA 6Gb/s, 25nm, MLC).Performance measured with: Environment variables: KMP_AFFINITY=’granularity=fine, compact‘, OMP_NUM_THREADS=56, CPU Freq set with cpupower frequency-set -d 2.5G -u 3.8G -g performance. Caffe: (http://github.com/intel/caffe/), revision f96b759f71b2281835f690af267158b82b150b5c. Inference measured with “caffe time –forward_only” command, training measured with “caffe time” command. For “ConvNet” topologies, dummy dataset was used. For other topologies, data was stored on local storage and cached in memory before training. Topology specs from https://github.com/intel/caffe/tree/master/models/intel_optimized_models(ResNet-50),. Intel C++ compiler ver. 17.0.2 20170213, Intel MKL small libraries version 2018.0.20170425. Caffe run with “numactl -l“.

Informazioni su Intel:

Intel (NASDAQ: INTC) è leader nel settore dei semiconduttori. Attraverso tecnologie di computing e di comunicazione, che costituiscono le fondamenta delle innovazioni in tutto il mondo, dà forma al futuro data-centrico, basato sulla valorizzazione e l’utilizzo dei dati. L’esperienza ingegneristica dell’azienda sta aiutando ad affrontare le più importanti sfide globali e sta contribuendo a potenziare, connettere e rendere sicuro il mondo intelligente e connesso, con i suoi miliardi di dispositivi e la sua infrastruttura: dal cloud alla rete, fino all’edge e tutto ciò che c’è intorno. Maggiori informazioni su Intel sono disponibili su newsroom.intel.it and intel.it.

Intel e il logo Intel sono marchi registrati di Intel Corporation negli Stati Uniti e in altri Paesi.

*Altri nomi e brand potrebbero essere rivendicati come proprietà di terzi.