## Rust 与内联汇编:一种叙事方法 Rust 的抽象机器强制执行硬件中不存在的规则,这引发了关于内联汇编和外部函数接口 (FFI) 如何与这些约束交互的问题。 提出的核心原则是,**任何内联汇编都必须有一个对应的“故事”——等效的 Rust 代码,该代码在抽象机器状态上产生相同的可观察效果。** 这确保了对纯 Rust 有效的优化即使与汇编集成后仍然正确。 本质上,编译器用其 Rust “故事”替换汇编块进行分析,然后在最后替换实际的汇编。 这可以防止汇编绕过 Rust 的安全保证。 示例说明了这一点:简单的指令可以由 Rust 等效项镜像,操作系统内核任务(如页表操作)可以被构建为复杂的分配,甚至看似不安全的非临时存储操作也需要一个维护内存模型一致性的故事。 这种方法不是在汇编*内部*重现 Rust 的规则,而是确保汇编的效果通过可验证的故事与 Rust 的规则*兼容*。 虽然尚未正式证明,但这种方法与现有的 Rust 正确性证明相符。 目标是采取保守的方法:仅允许具有清晰 Rust 等效项的汇编块,并扩展 Rust 的语言特性以适应当前需要不安全汇编的操作。 正在寻求反馈以完善这种“叙事”方法,然后再将其作为官方指南。
## 人工智能泡沫:迫在眉睫的现实检验(摘要)
尽管投资和炒作巨大,人工智能热潮面临着重大障碍。尽管英伟达售出了数十亿美元的GPU,但实际在建的数据中心容量仅占已宣布容量的一小部分——大约33%,相当于约79.5GW的潜在IT负载。令人震惊的是,58%的新数据中心面临供电问题,电网容量滞后于需求。
这种脱节是由虚高的预测和缺乏透明度造成的。许多已宣布的项目进度落后多年,建设时间远比预期长。人工智能的快速部署也正在影响软件质量,公司迫使员工使用人工智能编码工具,常常导致代码库臃肿、维护不良以及潜在的安全风险。
此外,实际需求也存在疑问。尽管投资巨大,人工智能计算的收入并未达到预期,并且人们担心GPU被转移到中国。作者认为,整个情况类似于一个投机泡沫,由不切实际的时间表和对基本限制的漠视所驱动。
最终,人工智能叙事依赖于“建设它,它们就会来”的心态,忽视了建设、电力以及建立在昂贵且可能效率低下的工具之上的系统的长期可行性的实际挑战。一场清算似乎不可避免。
## Arm推出数据中心芯片AGI CPU
Arm宣布其首款自主设计的芯片**Arm AGI CPU**,基于Neoverse平台构建,旨在满足不断增长的AI基础设施需求。这标志着Arm的转变,从IP授权扩展到提供完整的处理器解决方案,为客户提供更多部署选择。
AGI CPU专为“代理AI”时代设计——即AI系统能够持续且自主地大规模运行。它专注于数千个核心上的高任务性能,优先考虑在数据中心功耗和散热限制内的持续负载。配置包括一个密集的272核刀片式服务器,以及一个液冷选项,每个机架拥有超过45,000个核心——**与当前x86系统相比,每个机架的性能提升超过2倍**,这归功于Arm的架构和高效的资源分配。
早期的合作关系表明了强大的生态系统支持,**Meta是主要客户**,与其共同开发用于其应用程序的CPU。其他发布合作伙伴包括Cerebras、Cloudflare、OpenAI和SAP。商业系统现已由ASRockRack、联想和Supermicro提供。Arm还在向Open Compute Project贡献参考服务器设计,以加速采用。
此次发布标志着Arm的新篇章,巩固了其为AI创新提供基础的承诺。