NVIDIA chce przyspieszyć karty graficzne, eliminując CPU z równania

NVIDIA, IBM oraz naukowcy z kilku uniwersytetów opracowali BaM, czyli Big Accelerator Memory. Ma to być rewolucja, która przyspieszy karty graficzne.

BaM, czyli Big Accelerator Memory, to nowa technologia opracowana między innymi przez NVIDIĘ, IBM oraz uniwersyteckich naukowców. Ma to być rozwiązanie, które znacząco przyspieszyć wiele operacji wykonywanych przez GPU.

Big Accelerator Memory, czyli co?

BaM to rozwiązanie, które pozwala na bezpośrednią komunikację między szybkimi dyskami SSD oraz układem graficznym, bez potrzeby angażowana procesora, który w wielu przypadkach jest wąskim gardłem. Pozwoli to kartom graficznym działać bardziej niezależnie od CPU, jednocześnie poprawiając ich wydajność.

W praktyce oznacza to, że karta graficzna nie musiałaby się opierać tylko na swojej pamięci VRAM, np. GDDR6 lub GDDR6X. Zamiast tego GPU mogłoby wykorzystywać także dyski SSD, które są dzisiaj już na tyle szybkie, że pozwalają na sprawną komunikację. Teraz też jest to możliwe, ale nie w sposób bezpośredni, bowiem w proces angażowany jest procesor. To niepotrzebne utrudnienie i spowolnienie, które da się ominąć.

Na nieco podobnej zasadzie działa Microsoft DirectStorage, które jest już dostępne w Windowsach 10 i 11, dzięki czemu mogą z niego korzystać twórcy gier na komputery. Z kolei z BaM mają skorzystać przede wszystkim centra danych i superkomputery, które wykorzystują mnóstwo układów graficznych i jeszcze więcej dysków.

Podziel się postem:

Najnowsze:

Oprogramowanie

Unia Europejska przejdzie na Linuxa? Powstaje dystrybucja EU OS

Unia Europejska może wkrótce podjąć kroki w kierunku uniezależnienia się od amerykańskiego oprogramowania. Społeczność entuzjastów pod patronatem władz UE pracuje nad projektem EU OS, który ma zastąpić system operacyjny Windows w instytucjach rządowych. Wybór padł na modyfikację dystrybucji Fedora Linux, która zostanie dostosowana do potrzeb urzędników poprzez interfejs przypominający Windows.

Bezpieczeństwo

Przełomowa kwantowa technologia generowania liczb losowych z WAT: Szczegółowa analiza i perspektywy

W dzisiejszym zaawansowanym technologicznie świecie, prawdziwie losowe liczby stanowią fundament wielu kluczowych dziedzin. Od zabezpieczania komunikacji poprzez kryptografię aż po przeprowadzanie złożonych symulacji naukowych i inżynierskich , generowanie nieprzewidywalnych sekwencji danych jest niezbędne. Losowość odgrywa również istotną rolę w grach losowych , w sektorze finansowym , gdzie zapewnia unikalność transakcji, oraz w badaniach statystycznych. W kryptografii, siła klucza szyfrującego jest bezpośrednio związana z jakością i stopniem losowości użytym do jego wygenerowania . Im wyższa entropia źródła losowego, tym trudniejszy do złamania staje się klucz. Prawdziwa losowość jest zatem kluczowym elementem zapewniającym bezpieczeństwo w cyberprzestrzeni, wzmacniając algorytmy szyfrujące i chroniąc integralność przesyłanych oraz przechowywanych danych . Zapotrzebowanie na generatory liczb losowych o wysokiej jakości i nieprzewidywalności stale rośnie, co jest bezpośrednio powiązane z postępem technologicznym i coraz większym znaczeniem bezpieczeństwa informacji. Wraz z dynamicznym przenoszeniem coraz większej liczby aspektów naszego życia do sfery cyfrowej, ilość generowanych i przesyłanych danych nieustannie wzrasta. Ochrona tych danych przed nieautoryzowanym dostępem i manipulacją staje się priorytetem, a prawdziwa losowość jest nieodzownym narzędziem do skutecznego szyfrowania i zabezpieczania przed różnego rodzaju atakami.

Bezpieczeństwo

Prawdopodobnie DeepSeek Zna Twoje Sekrety: Analiza Bezpieczeństwa Danych Treningowych LLM

Prawdopodobnie DeepSeek zna Wasze sekrety oraz klucze API! Takie ostrzeżenie pojawiło się na łamach Sekurak.pl. W dynamicznie rozwijającym się świecie dużych modeli językowych (LLM), gdzie innowacje pojawiają się niemal codziennie, DeepSeek AI szybko zyskał miano znaczącego gracza, budząc zainteresowanie swoimi możliwościami i efektywnością. Jednakże, wraz z postępem technologicznym, pojawiają się również nowe wyzwania w obszarze bezpieczeństwa. Niedawne odkrycie dokonane przez badaczy z Truffle Security rzuca nowe światło na potencjalne zagrożenia związane z danymi treningowymi tych zaawansowanych modeli. Wnikliwa analiza publicznie dostępnego zbioru danych Common Crawl, wykorzystywanego do trenowania LLM, w tym DeepSeek, ujawniła obecność licznych, potencjalnie wciąż aktywnych kluczy API i haseł.

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *