IT之家11月16日消息,英特尔(INTC)11月16日公布数据中心GPU D270的性能数据,称这款功耗设定为350W的加速卡,在特定金融计算测试中的应用吞吐量,最高达到600W英伟达(NVDA)RTX PRO6000Blackwell服务器版的5.9倍。
规格方面,数据中心GPU D270相关信息如下:
硅片与精度:Xe3P架构,32个Xe核心,256个XMX引擎;原生支持FP4到FP64,具备全速率双精度计算能力。
内存与平台:160GB LPDDR5X(带宽1.5TB/s,可扩展至480GB);350W PCIe5.0风冷规格。
工作负载与生态:支持HPC场景(例如金融建模、地震成像)、解耦部署以及智能体AI推理;通过开放软件栈完成编程开发。
英特尔(INTC)在博文中指出,高性能计算(HPC)正在经历根本性转变,传统大规模数值建模与模拟依然是基础,但科研与企业环境正越来越多地在连续工作流中集成模拟、分析与AI推理。
新兴的智能体AI架构加速了这一演进,将数据、模型与领域工具连接成自主循环,完成输入准备、中间输出评估,并动态引导下一步模拟操作。
这种融合趋势需要异构基础设施,由不同计算引擎执行工作流的各个阶段。此前代号为Crescent(CBIO) Island的英特尔(INTC)GPU D270正是针对该环境设计。虽然它从底层为高效AI推理打造,但其架构提供了苛刻HPC环境所需的高精度计算能力、大容量内存以及标准企业级外形。
科研、工程与金融模拟依赖双精度运算来保持数值保真度,避免舍入误差累积。基于英特尔(INTC)Xe3P架构打造的英特尔(INTC)GPU D270配备32个Xe核心与256个Xe Matrix Extensions(XMX)引擎,每个核心可提供64次FP64融合乘加(FMA)运算。
该架构为开发者提供了精度可选性:在需要推理吞吐量的场景使用低精度(FP4到FP8),在数学精度不可妥协的场景使用全速率原生FP64计算。
内存架构对于处理复杂工作集同样关键。这款英特尔(INTC)品牌板卡搭载160GB高速LPDDR5X内存,带宽达1.5TB/s,合作伙伴设计的配置可扩展至480GB。
这一大容量内存让研究人员可以将海量数据(603138)集与波场常驻在GPU上,尽可能减少跨主机总线的高成本数据搬运。所有计算密度集成在标准350W风冷PCIe外形中,可部署在标准企业服务器内,也可跨机架扩展部署。
基于预生产硅片的真实应用基准测试,展现了D270平衡架构在金融分析与科学模拟场景中的切实优势:
金融服务领域:在期权定价基准测试中,D270相比NVIDIA RTX PRO6000Blackwell服务器版应用吞吐量最高提升至5.9倍[1],在算力密集型金融建模中展现出更优性能。考虑到D270功耗为350W,而NVIDIA GPU功耗为600W,这一性能表现尤为突出。
| 工作负载 | 应用/模型 | 基准硬件 | 英特尔(INTC)GPU D270测试结果 |
|---|---|---|---|
| 金融服务 | 欧式蒙特卡洛模拟 | RTX PRO6000(Blackwell) | 吞吐量达5.9倍 |
| 金融服务 | 布莱克-斯科尔斯模型(欧式) | RTX PRO6000(Blackwell) | 吞吐量达5.6倍 |
| 金融服务 | 二叉树模型 | RTX PRO6000(Blackwell) | 吞吐量达4.6倍 |
| 金融服务 | 布莱克-斯科尔斯模型(美式) | RTX PRO6000(Blackwell) | 吞吐量达1.92倍 |
地震勘探:地震建模是油气行业要求最高的工作负载之一,需要在海量3D数据集上反复进行声波传播计算,使用FP32算力。D270同时具备的大容量内存与FP32计算能力,在该工作负载中展现出强大性能。缓存感知模板优化最大化了本地缓存的数据复用,让大型波场阵列直接常驻在板卡上。英特尔(INTC)将在超算2026(Supercomputing‘26)的展位上通过现场演示展示地震建模能力。
对于科学计算而言,核心逻辑十分清晰:大容量内存可以处理更大规模的问题,更智能的数据复用简化了数据搬运流程,经过优化的开放编程模型可以提供研究人员所需的应用吞吐量。
在现代科学发现中,AI推理不再是模拟结束后才运行的独立任务,而是直接在模拟循环内部运行。预训练AI代理模型充当物理模拟器,在数秒内筛选数十万设计参数,在启动全规模数值求解器前锁定有潜力的候选方案。同时,智能体决策模型实时监控模拟遥测数据,识别不稳定性、动态细化网格边界,无需等待人工干预即可自主引导下一次计算。
不过,将高吞吐量推理集成到超算循环中,对速度与极致运行效率提出了要求。单体计算节点会让不同计算阶段争抢相同的处理器资源,既压缩吞吐量,也拉高延迟。
解耦架构通过将推理工作负载拆分到适配不同计算阶段的处理器上,解决了这一瓶颈,在优化能耗与资源利用率的同时大幅加快整体执行速度。
在这份解耦架构方案中,英特尔(INTC)GPU D270为算力密集的预填充阶段提供算力,快速处理高维模拟数据集、长提示词与科学上下文窗口。SambaNova SN50可重构数据流单元(RDU)加速受内存带宽限制的解码阶段,实现快速推理;英特尔(INTC)至强6与至强6+处理器负责端到端工作流编排、主机通信与工具执行。
通过在英特尔(INTC)GPU D系列与SambaNova RDU之间编排工作负载,这种异构方法加速了整个智能体循环,让自主决策模型可以实时引导模拟,不会占用昂贵的数值计算资源空转。
同时,所有这些能力都在现有风冷机架的安全功耗限制内实现。英特尔(INTC)与SambaNova正在打造这套解决方案,帮助服务商无需等待新建数据中心设施、利用最通用的软件栈,即可扩大算力供给以满足AI token需求。
在芝加哥举办的SC26上,英特尔(INTC)将在展位现场演示这套解耦异构推理架构,实时展示英特尔(INTC)GPU D270与SambaNova SN50RDU的协同运行。
对于HPC中心与研究机构而言,这套架构的核心价值在于可直接落地部署:客户可以开箱即用地部署先进的AI推理与智能体流水线,利用工程化的解耦基础设施,无需承担开发定制软件编排或底层调度层的负担。
如果硬件创新带来软件使用门槛,强制团队进入限制代码可移植性、需要高成本重写的专有围墙花园,其实际价值就会大打折扣。可行的软件策略不能要求与过去的技术栈彻底割裂,必须在释放新加速能力的同时保护现有软件投资。
英特尔(INTC)通过提供统一开放软件栈直接解决这一问题,该栈同时支持传统数值模拟与现代AI工作负载。英特尔(INTC)没有要求开发者将算法重写为专有方言,而是适配团队现有的开发环境。英特尔(INTC)长期投入HPC基础标准建设,包括Intel MPI、优化的Fortran与高性能C++编译器,确保现有并行代码库可以在现代异构架构上高效运行,不存在厂商锁定问题。
通过将工程重点放在与标准AI框架、推理运行时、开放SYCL编程模型的上游集成上,研究团队无需修改现有工具链即可部署英特尔(INTC)GPU D270,并在产品交付首日获得成熟性能表现。
英特尔(INTC)已经在英特尔(INTC)GPU D270上得到的早期性能数据,就是上述能力的证明。在新兴的决策类模型(模型能够自主做出决策,而非仅生成答案)场景中,英特尔(INTC)GPU D270运行Drex2.0时的延迟比NVIDIA RTX PRO6000Blackwell服务器版低最高29%。
在大语言模型吞吐量方面,D270运行Qwen330B–A3B 时的吞吐量达到同级别竞品GPU的1.12倍,且功耗仅为350W。这两项在预生产硅片上取得的结果,已经展现出英特尔(INTC)GPU D270出色的智能体应用适配能力。
在 HPC场景的前述Veridien地震演示中,将工作负载移植到英特尔(INTC)GPU D270只需极少工作量,因为开放SYCL编程模型允许团队复用现有HIP/CUDA工作负载的已有开发成果。移植到SYCL时无需修改主机端代码,结合预先编译(AOT)与内核捆绑技术,可以直接复用现有计算内核。无需大幅重新调优即可实现高性能:90%的内核在没有英特尔(INTC)专属优化的情况下即可良好运行,即使是复杂内核在首次未优化移植时也达到了理论峰值性能的70%。最终结果:一个地震成像迷你应用在不到一个月的时间内完成移植,数值精度与性能均通过了验证。
英特尔(INTC)GPU D270此前多被视为一款为推理优化的GPU,但凭借原生FP64精度、大容量内存与开放软件的组合,它在高性能计算领域展现出了极具说服力的适配能力:在HPC与AI融合的趋势下,它是一款平衡、能力全面的加速器,能够切实优化整体工作流产出效果。
