英特尔揭露下一代PC处理器将采效能及效率核心混合架构，资料中心、HPC也将翻新架构

英特尔在今天(8/20)举行架构日，对外揭露未来在PC、资料中心、HPC的全新架构，其中的PC处理器，今年将会采用效能与效率两种x86核心的混合架构设计，而资料中心端，Xeon与HPC也将采用新架构，结合英特尔自家与台积电的制程技术，提升扩充性及资料吞吐能力。

英特尔在架构日的一开始，首先介绍了准备从今年开始，在PC处理器上采用新的混合式架构Alder Lake，为英特尔首款混合式架构，最大特色在于结合两款x86核心，分别称为效率核心(Efficient Core，先前代号Gracemont)、效能核心(Performance Core，先前代号Golden Cove)。

其中，效率核心追求在低功耗下有效率的执行工作负载，以满足低功耗的行动应用到多核心微服务需求，相较于目前的Skylake微架构，效率核心在相同功耗下，可提高4成的效能，而在多核心处理之下，4个效率核心比4个执行绪的Skylake双核心，高出8成的效能并降低功耗，或是在相同效能下，降低8成的功耗。

每核心1执行绪的x86效率核心：

而效能核心号称是英特尔打造的最高效能CPU核心，提升平行作业处理，降低延迟提升效能，以支援大量资料、程式码的应用。英特尔解释，效能核心的原则是在低延迟下的最好单执行绪，最短时间做大量资料的处理, , ，根据该公司的说明，效能核心和第11代Core相比，效能核心在相同频率下，一般工作负载的效能平均能提升19%。

以低延迟、大量资料及程式码处理为主的x86效能核心：

搭配效率与效能核心，Alder Lake还采用了Intel Thread Director排程器，Thread Director可根据核心的低阶遥测资讯、指令混合比例，将需要较高效能的执行绪交由效能核心处理，或是将需要能源效率的执行绪移至效率核心执行。英特尔表示，该公司与微软合作，以协助操作系统作出更好的排程决策，微软将推出的Windows 11已针对Intel Thread Director优化效能。

Alder Lake将采用Intel 7制程技术，最高到16个核心(8个效能核心与8个效率核心)，支援到24个执行者，并且支援新的I/O，包括DDR5-4800内存、PCIe Gen 5、Thunderbolt 4、Wi-Fi 6E等，功耗设计从9瓦到125瓦，将涵盖桌上型、笔电到以省电续航力为特色的Ultra Mobile笔电等PC用户市场。

GPU部分，英特尔日前发表高效能GPU品牌Arc，将采用代号Alcemist的Xe-HPG微架构，将采用台积电6奈米制程，锁定效能级游戏玩家及内容创作者，预计明年第一季就会有产品问世。Xe-HPG微架构最多支援8个Render Slice及针对DirectX12的固定单元，并内建具有16个向量及距阵引擎的Xe-core。

资料中心端运算也将采用新架构

至于资料中心端，英特尔也揭露了代号为Sapphire Rapids的下一代Xeon可扩充处理器，英特尔表示，新的Xeon处理器可针对资料中心大量且多样化的工作负载最佳化，在云端、AI与微服务提升效能。Sapphire Rapids将采Intel 7制程技术，并使用新的效能核心微架构，为针对速度、低延迟，同时兼顾单执行绪应用程序效能所设计。

Sapphire Rapids在架构上采用可模组化的单元设计，搭配EMIB嵌入式多芯片互连技术，提供更高的扩充性。此外，还内建加速引擎，其中针对AI方面的深度学习及训练需求，内建Intel AMX(Advanced Matrix Extensions)，以专用硬件与指令集，加速距阵乘法的运算，与英特尔原有的指令集相比，AI运算速度提升超过7倍。

在内存方面，Sapphire Rapids也支援DDR5，以及PCIe 5、HBM等技术。

为了释放资料中心CPU资源，英特尔从过去发展FPGA SmartNIC的经验为基础，揭露该公司首款ASIC IPU，称为Mount Evans，提供高效能网络、储存卸载功能，降低CPU工作负载。支援NVMe硬件加速、Intel QuickAssist加密及压缩技术。

另外，HPC高效能运算架构也有革新，Ponte Vecchio采用Xe HPC的高效能运算架构，将在2022年推出，内部采用多种不同功能的芯片块组成，搭配高速芯片互连技术。Ponte Vecchio结合多个制程技术，突显英特尔日前发表IDM 2.0策略，内部采用Xe-core的运算芯片堆使用台积电N5制程，基底芯片块使用英特尔自家Intel 7制程，Xe Link高速连结芯片块则使用台积电N7，搭配英特尔Foveros 3D封装技术，英特尔宣称为该公司打造最复杂的SoC。

英特尔以初期芯片测试AI表现，ResNet推论效能可达每秒超过4万3千张照片，ResNet训练可达每秒超过3千4百张照片。