NVIDIA（納斯達克股票代碼：NVDA）和英特爾公司（納斯達克股票代碼：INTC）今天宣布合作，共同開發多代客製化資料中心和 PC 產品，以加速超大規模、企業和消費者市場的應用程式和工作負載。
兩家公司將專注於利用 NVIDIA NVLink 無縫連接 NVIDIA 和 Intel 架構——將 NVIDIA 的 AI 和加速運算優勢與 Intel 領先的 CPU 技術和 x86 生態系統相結合，為客戶提供尖端解決方案。
對於資料中心，英特爾將建置 NVIDIA 客製化的 x86 CPU，NVIDIA 將其整合到其 AI 基礎架構平台中並提供給市場。
在個人運算領域，英特爾將打造並向市場推出整合 NVIDIA RTX GPU 晶片組的 x86 系統級晶片 (SOC)。這些全新的 x86 RTX SOC 將為各種需要整合世界級 CPU 和 GPU 的 PC 提供支援。
NVIDIA 將以每股 23.28 美元的價格向英特爾普通股投資 50 億美元。此項投資需滿足慣例成交條件，包括必要的監管批准。
NVIDIA 創辦人兼執行長黃仁勳表示：「AI 正在推動一場新的工業革命，並重塑運算堆疊的每一層——從晶片到系統再到軟體。這場重塑的核心是 NVIDIA 的 CUDA 架構。此次歷史性的合作將 NVIDIA 的 AI 和加速運算堆疊與英特爾的 CPU 和龐大的 x86生態系統緊密結合，實現了兩大世界級平台的融合。
英特爾執行長陳立武表示：「數十年來，英特爾的 x86 架構一直是現代運算的基石——我們正在不斷創新產品組合，以支持未來的工作負載。英特爾領先的數據中心和客戶端計算平台，結合我們的製程技術、製造和先進封裝能力，將與 NVIDIA 在新計算實驗室的領導地位和新創實驗室的領導地位。團隊對我們的信任和投資，並期待未來繼續為客戶創新，拓展業務。
85683213 wrote:
這局跟聯發科和輝達的合作一樣，屆時雙方都能宣布設計代工業務(客製化晶片業務)大成功。(恕刪)
差很多
先不論這起合作背後原因，intel在本次合作中的利多是能夠無痛插入AI伺服器份額，還有取得NV 內顯能夠直接到時與對手大型APU(Strix Halo 或家機這種）對抗
但潛藏危險也在主導權在NV，要不要續約或是其他附帶/未來條件/訂單合約會變成主要由NV決定，而且intel的部分GPU(主要是行動市場的自家內顯)相關業務等於被壓縮及掐脖子
如果後續還有其他像本次NV這樣入資跟談出類似具主導能力條件的大型廠商出現，等於intel帳面利多，但背後實質上是被趁機瓜分
當然INTEL部分應該不會不設定自保條件，但從NV是救急方跟短期可見利益看大概INTEL也很難拒絕
不過至少仍在合作期間的業務收入會有一定程度保障，剩下的要看INTEL自己能否利用機會重新壯大到足以與合作方平起(或至少能夠抵抗不合理條件)
放眼能救Intel的就剩老黃，
另一好處...終於有人救
關稅帝君短期對台積電 欺番吵(台語)應該會少點...
不過既然N家入主，
先前Intel在Ai上布局自家開源碼工具等...，
應該也會受到影響?
短期對Intel來說很甜，續命強心針，
但長期來說AI跟GPU這塊Intel自我發展可能會受限，
老黃雖然成Intel最大股東，
但只要Intel的CPU而已，(伺服器業務整合與延伸更好賣)
並不一定會把本命的GPU、Ai 技術共享出去。
這和拿CPU指令去跟AMD換GPU技術，
然後自我自由發展差很多...
後續靜觀其變
光靠成本想壓人還挺難的，TSMC的設備攤抵大概1~1.5年左右，等INTEL良率爬起來對手早在淨賺往下一個製程繼續了，不如寄望川普多綁架一些企業替INTEL付錢餵奶可能還比較實際...
==
Grok:
在從 NVIDIA CUDA 切換到 AMD ROCm 時，程式碼重寫的程度取決於應用程式的複雜度、使用 CUDA 特定功能的程度，以及是否使用自動轉換工具。ROCm 透過 HIP（Heterogeneous-compute Interface for Portability）提供相容層，讓大多數 CUDA 程式碼可以自動或半自動轉換為 HIP 程式碼，從而最小化重寫需求。以下是詳細說明：
轉換過程概述
自動轉換工具：AMD 提供 HIPIFY 工具（包括 hipify-perl 和 hipify-clang），可以將 CUDA 原始碼轉換為 HIP 程式碼。這些工具透過字串替換或語意分析，將 CUDA API（如 cudaMalloc 轉為 hipMalloc）自動轉換。
hipify-perl：適合小型或簡單程式，使用字串匹配，轉換速度快，但可能遺漏複雜結構。
hipify-clang：適合大型專案，使用 Clang 編譯器進行語意轉換，更準確，但需 CUDA 安裝。
轉換步驟：
使用 hipify-perl --inplace your_cuda_file.cu 轉換檔案。
檢查警告（如未轉換的巨集或內嵌 PTX 組譯碼）。
編譯為 AMD GPU（使用 hipcc）或 NVIDIA GPU（使用 nvcc，設定 HIP_PLATFORM=nvidia）。
相容性：HIP 程式碼可同時在 AMD 和 NVIDIA GPU 上運行，無需維持兩個程式碼庫。
需要重寫的程式碼比例
根據 AMD 的官方文件和實際案例，大多數 CUDA 程式碼（尤其是使用標準 API 的部分）可自動轉換，重寫需求通常很低：
自動轉換比例：約 95-99.6% 的程式碼可自動處理或無需修改。
例如，在 Caffe 機器學習框架（約 55,000 行程式碼）的轉換中，99.6% 程式碼自動轉換或不變，剩餘 0.4% 只需不到一週的手動調整。
手動重寫需求（約 0.4-5%）：
CUDA 特定硬編碼（如 warp size 設為 32，AMD 為 64）。
內嵌 PTX 組譯碼或 CUDA 內建函數（需改為 HIP 等價物或條件編譯）。
架構檢查（如 __CUDA_ARCH__ 需替換為 __HIP_ARCH_<feature>__）。
庫依賴：大多數 CUDA 庫有 HIP 等價物（如 cuBLAS → hipBLAS），但 roc- 前綴庫（AMD 專屬）可能需調整。
時間估計：簡單應用只需數小時；複雜 HPC 或 AI 專案可能需數週，主要在測試和優化階段。
應用類型,自動轉換比例,重寫比例估計,範例時間
簡單 SAXPY 範例,100%,0%,<1 小時
Caffe ML 框架,99.6%,0.4%,<1 週
科學模擬（如 Gromacs）,95-99%,1-5%,數天至數週
複雜 CUDA 專案（含 PTX）,90-95%,5-10%,數週
性能：轉換後的 HIP 程式碼在 AMD GPU 上可達與原生 CUDA 相當的性能，但需針對 AMD 架構（如 SIMD 寬度 64）優化。
替代方案：若不願重寫，可用 ZLUDA（ROCm 上的 CUDA 模擬層）直接運行未修改的 CUDA 二進位檔，性能損失約 10-20%。
挑戰：ROCm 生態較 CUDA 成熟度低，某些新 CUDA 功能（如最新版本的擴充）可能不支援，需手動處理。建議從小專案開始測試。
總體而言，切換時只需重寫少量程式碼（通常 <5%），得益於 HIP 的設計，讓 CUDA 開發者能快速遷移到 ROCm，而無需從頭重寫。更多細節可參考 AMD ROCm 文件。</feature>
內文搜尋
從 APP 打開
X