Production | De 2010 à 2020[1] |
---|---|
Concepteur | Intel |
Fabricant | Intel |
Fréquence | 1,053 GHz à 1,7 GHz |
---|
Niveau 1 | 32 ko par coeur |
---|---|
Niveau 2 | 512 ko par coeur |
Finesse de gravure | 14 (tri-gate) nm à 45 nm |
---|---|
Cœur |
32-72
|
Mémoire (RAM) | Jusqu'à DDR4 115.4 Go/s avec ECC |
Socket(s) |
Architecture | x86-16 (sauf kle facteur de forme du coprocesseur), IA-32, x86-64[2] |
---|---|
Extensions | AVX, AVX2, AVX-512 |
Micro-architecture | Larrabee |
Variantes |
|
---|
Xeon Phi[3] est une série abandonnée de processeurs manycore (en) x86 conçus et fabriqués par Intel. Elle était destinée à être utilisée dans les supercalculateurs, les serveurs et les stations de travail haut de gamme. Son architecture permettait l’utilisation de langages de programmation standard et d’interfaces de programmation (API) telles que OpenMP[4],[5].
Xeon Phi a été lancée en 2010. Comme elle était à l’origine basé sur une conception de GPU antérieure (nom de code « Larrabee ») d’Intel[6] qui a été annulée en 2009[7], il partageait des domaines d’application avec les GPU. La principale différence entre Xeon Phi et un GPGPU comme Nvidia Tesla était que Xeon Phi, avec un cœur compatible x86, pouvait, avec moins de modifications, exécuter un logiciel qui était à l’origine destiné à un processeur x86 standard.
Initialement sous la forme de cartes d’extension basées sur PCI Express, un produit de deuxième génération, nom de code "Knights Landing", a été annoncé en juin 2013[8]. Ces puces de deuxième génération pourraient être utilisées comme un processeur autonome, plutôt que comme une simple carte d’extension.
En juin 2013, le supercalculateur Tianhe-2 du Centre national des supercalculateurs de Guangzhou (NSCC-GZ) a été annoncé[9] comme le supercalculateur le plus rapide du monde (en juin 2023, il s’agit du n° 10[10]). Il a utilisé des coprocesseurs Intel Xeon Phi et des processeurs Xeon E5 v2 Ivy Bridge-EP pour atteindre 33,86 pétaFLOPS[11].
La gamme de produits Xeon Phi était en concurrence directe avec les gammes Tesla de Nvidia et Radeon Instinct d'AMD pour l’apprentissage profond et les cartes GPGPU. Elle a été abandonnée en raison d’un manque de demande et des problèmes d’Intel avec son nœud 10 nm[12].