L’ultima tendenza dei produttori di smartphone è quella di fare tutto in casa a partire dalle componenti. Apple ad esempio realizza da sé i processori per i propri iPhone e lo stesso fanno Samsung e Huawei. Questa strategia consente di ridurre la dipendenza dai fornitori e i costi incrementando allo stesso tempo il margine di guadagno. Il colosso coreano ha i suoi SoC Exynos e a breve potrebbe produrre in autonomia anche una GPU. Jon Peddie, ex CEO di Intel e oggi direttore dell’omonima società di analisi, è stato tra i primi a rivelare la notizia e sottolinea come la soluzione sviluppata da Samsung, che ha svelato il suo pad per la ricarica Charger Duo, non solo è altamente scalabile ma anche potente ed efficiente dal punto di vista del consumo energetico. Tali caratteristiche permetterebbero alla GPU di garantire alte prestazioni non solo in ambito mobile ma anche in quello desktop.

“L’architettura è così valida che potrebbe essere utilizzata in ogni piattaforma, dipende solo dalle loro ambizioni. Se fosse mia la utilizzerei ovunque dai cockpit ai super computer” ha infatti affermato Peddie. Il progetto dell’unità di elaborazione grafica è diretto da Chien-Pien Lu, esperto del settore che in precedenza ha lavorato per Nvidia, MediaTek e per un breve periodo anche per Intel. Samsung sicuramente utilizzerà la propria GPU sui processori Exynos ma al momento non è possibile dire se vorrà cederla in licenza anche ad altri produttori o la terrà solo per sé come fa l’eterna rivale Apple. L’azienda coreana punta a competere ad armi pari con la Mela curando ogni aspetto dello sviluppo dei propri top di gamma e la sfida oggi passa anche dalle componenti. Il colosso di Cupertino, ad esempio, sta pensando di ridurre la dipendenza da Samsung affidandosi ad altri fornitori per i display OLED.

L'articolo Samsung lavora a una GPU proprietaria proviene da Data Manager Online.

I produttori di schede grafiche sono stati coloro che hanno maggiormente tratto benefici dal fenomeno delle cryptovalute. La crescita esponenziale dei Bitcoin e il crescente interesse nei confronti del mining di monete digitali che hanno caratterizzato la seconda metà del 2017 hanno fatto impennare le richieste di GPU consumer. Aziende come Nvidia e AMD e i loro partner hanno potuto alzare i prezzi approfittando di una domanda crescente vedendo così incrementare sensibilmente i propri guadagni. Ora che l’interesse per la raccolta di cryptovalute sta lentamente scemando, per queste società è arrivato il momento di rivedere le proprie strategie commerciali.

Seeking Alpha ha registrato una forte contrazione delle vendite per Gigabyte ma altri grandi player nel settore delle schede grafiche come TUL Corporation, partner di AMD con il marchio PowerColor, non se la passano meglio. Il fatturato di questa azienda è calato del 60% dai 42 milioni di dollari di marzo ai 13,2 milioni di giugno. Il colosso dei semiproduttori di Sunnyvale ha tratto grande beneficio dalla vendita di RX Vega ma il valore delle schede Radeon distribuite nel secondo trimestre del 2018 si è fermato a 40,6 milioni di dollari contro i 97,8 milioni del Q1 di quest’anno. AMD, che ha svelato la prima GPU realizzata con processo a 7 nanometri, non starebbe pensando di controbilanciare il calo delle vendite con il lancio di nuove schede grafiche mentre Nvidia svelerà la prossima generazione della sua linea Turing dedicata ai videogiocatori.

L'articolo Finito il boom del mining calano le vendite di GPU proviene da Data Manager Online.

L’architettura di nuova generazione AMD, conosciuta come Polaris 30, debutterà alla fine del 2018, secondo alcune fonti cinesi vicine all’azienda. A quanto pare, la scheda sarà prodotta utilizzando il processo finFET a 12 nanometri e offrirà un aumento del 20% delle prestazioni rispetto alle GPU di fascia alta Polaris 20, che hanno debuttato nel 2017. Ma prima di tale lancio, la compagnia svelerà i chip basati su Navi, l’architettura pensata per dispositivi di fascia media, che sfruttano una banda di memoria di tipo HBM2. Navi, successore della tecnologia Vega, userà un processo a 7 nm e finirà anche sulle console videoludiche di nuova fattura, una tra tutte la PlayStation 5.

Cosa sappiamo

In realtà, proprio la Polaris 30 non sarà una vera rivoluzione per AMD, piuttosto un passaggio graduale all’aggiornamento ai 7 nanometri, questo si innovativo sia in termini di design che di potenza e ottimizzazione dei sistemi. Il problema, come spiegano dalla Cina, potrebbe essere il prezzo della GPU, notoriamente molto alto quando si parla di memorie di tipo HBM2. Più che altro, l’esistenza di Polaris sarebbe giustificata da destinazioni high-end volte a fronteggiare le rivali, come la Nvidia Turing, con la volontà di puntare il mercato di massa con le soluzioni Vega, pronte anch’esse verso la fine dell’anno, con la novità PS 5 e altri integrazioni specifiche su desktop e notebook dedicati, oltre alla vendita standalone per l’assemblaggio fai-da-te.

Non vi è alcuna certezza ma dall’Oriente si dice che una variante di Vega potrebbe giungere prima o poi anche su dispositivi mobili, smartphone, tablet o, più verosimilmente, prodotti 2-in-1 che, nei modelli più alti, raggiungono se non superano oramai i desktop classici in quanto a potenza e funzionalità.

L'articolo AMD Polaris 30 arriverà entro la fine dell’anno proviene da Data Manager Online.

Per il momento è ancora un prototipo ma la prima GPU costruita con un processo a 7 nanometri esiste. A realizzarla è stata AMD, che ne ha mostrato un esemplare negli ultimi giorni, come parte della famiglia Instinct, messa in piedi per accelerare lo sviluppo in ambito machine learning. Nonostante ciò, la Radeon Vega di prossima generazione potrà dare un beneficio assoluto anche al mondo gaming, viste le ridotte dimensioni e l’opportunità di ottimizzare le prestazioni, spostando più in avanti il limite del possibile. AMD non ha rivelato le specifiche interne del ma il chip è formato da quattro stack di memoria ad alta larghezza di banda (HBM2) per un totale di ben 32 GB.

Innovazione grafica

AMD ha presentato una demo di Vega al Computex all’interno di un rendering di Cinema 4D. Stando alle comunicazioni dell’azienda, il chip è destinato al mondo dell’elaborazione di deep learning e AI in workstation e server farm, dunque qualcosa di ancora lontano all’ambito consumer. Non è detto però che entro poco vedremo la GPU anche in sistemi desktop anche se è chiaro che per essere sfruttata a dovere non basteranno un paio di giochini pur dalle alte richieste grafiche e di pregevole qualità.

Più che altro, il prototipo uscirà dalla sua fase beta molto presto,  dato che AMD è intenzionata a rilasciarlo già per la fine dell’anno. Anzi, i partner della multinazionale sono già all’opera per l’integrazione nei loro prodotti, quindi aspettiamoci novità a breve. Sempre a Taipei, Intel ha presentato il suo processore da 28-core pensato anche per i computer per la massa. La realizzazione è prevista per la fine del 2018 a prezzi, ovviamente, oltre la più costosa media.

L'articolo AMD mostra la prima GPU a 7 nanometri proviene da Data Manager Online.

Si terrà poco prima di IFA 2018 la conferenza Hot Chips in California, durante la quale Nvidia svelerà la sua nuova gamma di GPU per il pubblico mainstream. Lo ha confermato la stessa azienda, seppur in via ufficiosa, tramite un’indiscrezione sul calendario della manifestazione che vedrà, il 20 agosto, uno speech di Stuart Oberman, vice-presidente della sezione ASIC Engineering. L’executive spiegherà il livello raggiunto dalle schede con l’obiettivo di permettere ai sistemi del futuro di raggiungere performance mai viste, unite a un’ottimizzazione dei consumi. Non è chiaro cosa Nvidia porterà sul palco californiano ma è probabile che sotto il velo ci sia un prodotto realizzato con una nuova architettura, tale da far compiere alla famiglia un salto generazionale simile a quello avuto tra Maxwell e Pascal.

Cosa vedremo

La notizia di un potenziale annuncio da parte di Nvidia arriva a qualche settimana di distanza dal ritorno sugli scaffali delle schede a prezzi più o meno normali, dopo il balzo avuto negli ultimi tempi. Il motivo? La crescente tendenza al cryptomining aveva portato utenti più o meno consapevoli ad acquistare GPU in grande quantità, sia a scopo privato che di rivendita, appunto a cifre esorbitanti. Il senso di una nuova gamma dedita ai consumatori di fascia medio-alta è forse anche quello di ampliare l’offerta e consentire agli appassionati di bitcoin e simili di dedicare le loro attenzioni a prodotti peculiari, che non intacchino le disponibilità del pubblico globale. Ad ogni modo, agosto sarà un mese rovente a livello hi-tech visto che, in questo mese, è attesa anche la presentazione del Galaxy Note9 di Samsung che precederà, come detto, la partenza della fiera IFA di Berlino.

L'articolo Nvidia presenterà la nuova generazione di GPU in estate proviene da Data Manager Online.

L’arrivo a scaffale dei nuovi iMac Pro di Apple rappresenta un momento importante anche per AMD: i nuovi PC per professionisti dell’azienda di Cupertino dispongono infatti di una nuova GPU, la AMD Radeon Pro Vega, definita dallo stesso sito Apple come “The beast behind the beauty”.
Grazie alla GPU Radeon Pro Vega, iMac Pro offre la migliore soluzione grafica per workstation, in grado di supportare i flussi di lavoro dei professionisti e dei creativi di oggi, dai fotografi ai video editor fino agli animatori 3D e agli ingegneri, utilizzando la più recente tecnologia per supportare i moderni carichi di lavoro dei creativi senza porre alcun limite all’immaginazione.

Le principali novità di Radeon Pro Vega includono:

• Memoria rivoluzionaria: con 16 GB di RAM HBM (High Bandwidth Memory), Radeon Pro Vega offre prestazioni fino a due volte più veloci di qualsiasi precedente GPU per iMac e fino a tre volte più veloci rispetto alla GPU dei precedenti Mac Pro. Questo si traduce anche in un frame rate più elevato per VR, rendering 3D in tempo reale e nel gaming con impostazioni grafiche massime.
• Capacità di elaborazione GPU aggiornata: il single- and half-precision computing di Radeon Pro Vega consente di eseguire tutte le operazioni due volte più velocemente quando non è richiesto il calcolo a 32 bit. Questo permette di alla GPU di raggiungere una velocità di 22 teraflop.

Alcuni tra i principali esperti del settore si sono già espressi: tutti coloro che hanno avuto la possibilità di testare il nuovo iMac Pro hanno esaltato i principali miglioramenti delle prestazioni e dei flussi di lavoro raggiunti con la grafica Radeon Pro Vega, che ha consentito loro di liberare l’immaginazione senza barriere o compromessi:

– Craig Hunter, ingegnere meccanico e aerospaziale, ha definito l’iMac Pro come una “graphics powerhouse: mi sono meravigliato di quanto tutto fosse nitido, senza alcun sovraccarico o impatto sulle prestazioni”
– Il video editor Thomas Carter afferma che “lo ripeterò ancora una volta: 8K, correzione del colore, blur, nessun rendering. Nessuna perdità di qualità, nessun frame drop”
– Vincent Laforet, fotografo e regista, ha sperimentato un aumento della velocità da due a tre volte superiore nei suoi flussi di lavoro e ha concluso che “In breve – questa è una KILLER machine per qualsiasi fotografo serio, regista o produttore di VR”
– Lo sviluppatore di app per Mac e iOS Cabel Sasser ha condotto i test su FireWatch con iMac Pro e iMac Retina 5K, arrivando ad ottenere 62 FPS a 2560×1440. Ha anche sperimentato ad un aumento del 41% nella compilazione di progetti Xcode su iMac Pro rispetto ad un Mac Pro standard.

L'articolo La GPU AMD Radeon Pro Vega sul nuovo iMac Pro proviene da Data Manager Online.

In pochi, quando si parla di machine learning e Intelligenza Artificiale, prendono in considerazione l’hardware necessario a realizzare processi di computing avanzati. L’eccellenza in quanto ad hardware è oggi raggiunta da Nvidia, che ha svelato i particolari della GPU Titan V. Si tratta di una scheda video pensata proprio per supportare carichi di lavoro di un certo tipo, in ambienti AI e apprendimento automatico. La dotazione di bordo è tale da porre Titan V come il più potente chip del settore per computer, almeno nel campo di quelli consumer, ovvero indirizzati alla vendita e non alla dotazione sperimentale per laboratori e organizzazioni scientifiche. Ad annunciare il prodotto è stato il CEO di Nvidia, Jensen Huang, durante la conferenza NIPS.

Cosa c’è dentro

Grazie all’intervento di Huang, abbiamo l’opportunità di capire  cosa c’è dentro la Titan V. La base è composta da 21,1 miliardi di transistor, che forniscono una potenza di 110 teraflop di raw; più o meno nove volte il limite raggiunto dal predecessore. Ma non solo superamento della soglia finora conosciuta, visto che il nuovo hardware è pensato anche per ottimizzare i consumi, con una migliore efficienza energetica raggiunta dall’architettura proprietaria Volta. “Con Volta – spiega il CEO – vogliamo rendere concreto lo sviluppo in ambito AI e machine learning, mettendo il potenziale di Titan V nelle mani di ricercatori e scienziati, che possono ora fare affidamento su una struttura di livello per portare avanti i loro progetti di caratura mondiale”. Tecnicamente, l’architettura Volta nasce tramite un processo di costruzione TSMC a 12 nanometri, in modalità FFN high-performance, personalizzato da Nvidia proprio per la meccanica dell’innovativa GPU, in vendita negli USA a 3 mila dollari.

L'articolo Ecco Nvidia Titan V, la più potente GPU al mondo proviene da Data Manager Online.

C’è una nuova voce all’interno dei tabulati di revenue delle aziende hi-tech. Si tratta dei ricavi per le forniture hardware e software dedicate ai veicoli autonomi, un campo dove Nvidia vuole farla da padrone. Secondo il CEO Jense Huang, serviranno non più di quattro anni per vedere le strade invase dai mezzi intelligenti che si guidano da soli, senza pilota. Stando agli esperti finanziari di Morningstar, lo scopo della compagnia, famosa per aver perfezionato il mercato delle GPU prima consumer e poi dedicate al mondo professionale, è quello di raggiungere il 66% della torta del settore AI automotive, tramite le proprie soluzioni di comprensione e risposta all’ambiente circostante.

Mercato in crescita

Huang ha spiegato che il panorama della dotazione AI diventerà fondamentale per lo sviluppo del particolare segmento commerciale. Non a caso, la sua azienda ha fatto dei passi da gigante nella realizzazione sia di chip che di piattaforme ad-hoc, che possano essere adottate da più parti come sistema di gestione centrale del cervello autonomo delle vetture. Non a caso, Drive PX2 è l’ultimo progetto che Nvidia ha costruito per dimostrare come sia già possibile sfruttare una struttura capace di guidare da sola un’automobile, senza dover attendere il 2021, anno che molti considerano come il più probabile per il boom del settore self-driving a livello globale. Ad oggi le compagnie più avanzate, che hanno promesso di mettere su strada le rispettive macchine da qui ai prossimi cinque anni, sono Tesla, Ford, Audi, General Mobile e Nissan mentre altre, come Uber e Baidu, dovrebbero arrivare subito dopo, a meno di improvvise accelerazioni nella produzione.

L'articolo Nvidia: le auto senza pilota sono più vicine che mai proviene da Data Manager Online.

Fujitsu ha annunciato importanti novità nell’ambito della tecnologia deep learning, sviluppando un nuovo e molto efficiente meccanismo di distribuzione della memoria per i Deep Neural Networks (DNNs). Ampiamente utilizzato per molte applicazioni nel campo dell’intelligenza articficiale (AI) come il riconoscimento e la classificazione di un discorso e di un oggetto, l’utilizzo avanzato di DNN richiede enormi risorse computazionali, che incidono pesantemente sulle infrastrutture informatiche esistenti. Con la nuova soluzione, sviluppata dai laboratori europei di Fujitsu, il parallelismo del modello impiegato viene utilizzato per distribuire i requisiti di memoria DNN in modo automatizzato, trasparente e facilmente gestibile. Di conseguenza, la capacità delle infrastrutture esistenti nell’affrontare applicazioni AI su larga scala è notevolmente migliorata senza la necessità di ulteriori investimenti.

Tsuneo Nakata, CEO dei Fujitsu Laboratories of Europe, spiega i vantaggi di questa nuova tecnologia di deep learning: “Negli ultimi anni abbiamo assistito a continue innovazioni tecnologiche che utilizzano acceleratori hardware per supportare l’enorme mole di calcoli necessari per costruire il Deep Neural Networks (DNN) per applicazioni di intelligenza artificiale. L’aumento continuo dei costi di calcolo legati ai DNN è una sfida importante, soprattutto quando la dimensione del modello di DNN crescerà fino al punto d non poter essere caricata e nella memoria di un singolo acceleratore. Sono necessarie reti neurali più ampie e profonde, insieme ad una più raffinata classificazione delle categorie, per affrontare le sfide emergenti di AI. La nostra soluzione agisce proprio in questo modo, distribuendo i requisiti di memoria DNN su più macchine. Con la nostra tecnologia, è possibile ampliare le dimensioni delle reti neurali che possono essere elaborate da più macchine, consentendo lo sviluppo di modelli DNN più accurati e su larga scala “.

La nuova soluzione riesce ad ottenere questa distribuzione ottimizzata della memoria perchè trasforma gli strati di reti neurali, arbitrariamente progettate, in reti equivalenti in cui alcuni o tutti i suoi strati sono sostituiti da una serie di sotto-strati più piccoli. Queste ultime sono progettate per essere funzionalmente equivalenti agli strati originali, ma sono molto più efficienti da eseguire dal punto di vista computazionale. Importante notare che, poiché gli strati originali e quelli nuovi derivano dal medesimo profilo, il processo di formazione del DNN ‘trasformato’ converge a quello del DNN originale senza alcun costo aggiunto.

I laboratori europei di Fujitsu hanno testato a lungo la nuova tecnologia, inclusa l’applicazione del nuovo meccanismo in «Caffe», un framework open source di deep learning ampiamente utilizzato dalle comunità di ricerca e sviluppo in tutto il mondo. La soluzione ha raggiunto un’efficienza di oltre il 90 per cento nella distribuzione della memoria nel momento in cui vengono trasformati gli strati completamente collegati di AlexNet su più GPU NVIDIA. Come tecnologia indipendente da hardware, ha la capacità di sfruttare la potenza computazionale di entrambe le unità di elaborazione convenzionali e di acceleratori hardware in fase di sviluppo, inclusi NVIDIA GPU, Intel Xeon Phi, FPGA, ASIC ecc. o qualsiasi altro hardware alternativo specificamente adattati per aumentare l’efficienza computazionale nel Deep Learning.

Esempi di applicazioni per la nuova soluzione comprendono l’analisi nel settore healthcare (ad esempio la rilevazione della retinopatia diabetica), la classificazione e l’analisi delle immagini satellitari, l’elaborazione linguistica naturale (dove sono necessari modelli di deep learning su larga scala per modellare e apprendere la completa complessità del linguaggio umano), dati su larga scala relativi a dispositivi IoT, transazioni finanziarie, servizi di social network ecc.

I laboratori europei di Fujitsu sono un centro di eccellenza per le ricerche avanzate sul machine learning e il deep learning, nell’ambito delle soluzioni digitali e dei servizi sviluppati all’interno dell’iniziativa Human-Center AI di Fujitsu, denominata Zinrai. La sua attività comprende un’ampia collaborazione e una co-creazione con i clienti Fujitsu e le organizzazioni di ricerca in tutta l’area EMEIA, tra cui San Carlos Clinical Hospital di Madrid (con la soluzione HIKARI AI), l’Università di Siviglia (analisi dati per le applicazioni turistiche) e il 5G Innovation Center nel Regno Unito.

L'articolo Fujitsu: nuova tecnologia Deep Learning per l’Intelligenza Artificiale proviene da Data Manager Online.

Qualcomm vuole alzare l’asticella degli smartphone. Lo farà con un paio di nuovi processori, gli Snapdragon 660 e 630, indirizzati al mercato di fascia media. Entrambi sono basati sull’ultimo processo di realizzazione hardware a 14 nanometri FinFET, con il supporto fino a 8 GB di RAM, le Vulkan API e risoluzione dei display massima QHD. Senza troppi tecnicismi, è semplice accostare specifiche del genere a quelle dei top di gamma attuali, al netto di un clock più basso della CPU ovviamente, per cui la resa finale dei prodotti di prossima generazione non sarà lontana dai flagship che ci sono passati davanti agli occhi negli ultimi mesi.

Balzo in avanti

Rispetto all’odierno Snapdragon 653, il 660 migliora del 20% le prestazioni della CPU, mentre la sua scheda grafica Adreno 512 è del 30% migliore di quella presente sul chip precedente. Lo Snapdragon 630 invece, naturale evoluzione del 635, ha il 10% in più di potenza della CPU e il 30% di incremento nelle performance della GPU. Stando a Qualcomm, i nuovi processori sono anche in grado di ottimizzare il consumo di batteria, velocizzando i tempi di ricarica tramite il supporto al Quick Charge 4, che in 5 minuti è in grado di offrire 5 ore di autonomia in chiamata e in 15 minuti fino al 50% di nuova carica. Ma non è tutto: la novità principale riguarda l’opportunità di sfruttare a bordo dei SoC lo Snapdragon Neural Processing Engine SDK, un framework via software che permette di far girare applicazioni avanzate basate sul machine learning e le reti neurali digitali, capaci di veicolare esperienze di interazione decisamente innovative e assenti pure sui modelli di smartphone più costosi.

L'articolo Gli Snapdragon 660 e 630 portano il machine learning sugli smartphone di fascia media proviene da Data Manager Online.