기본 콘텐츠로 건너뛰기

(루머) 스카이레이크, 캐논레이크 제온 소식




(출처: XFASTEST/인텔?)
​
​
 앞서 인텔의 스카이레이크 제온에 대한 소식을 전해드렸는데, ( http://blog.naver.com/jjy0501/220492496586 참조) 좀 더 상세한 소식이 나왔습니다. 역시 여기저기서 유출된 슬라이드들인데, 로드맵이라는 게 진짜라고 해도 그대로 될지는 100% 확신할수는 없지만 (항상 연기나 취소 혹은 변경의 가능성이 있는게 로드맵이죠) 아무튼 참고는 할 수 있을 것 같습니다. 과거 유출된 로드맵은 그런대로 맞아들긴 했다는 점을 감안하면 더 그렇죠.
​
​
 새 로드맵에 의하면 브로드웰 EP/EX 기반의 제온들이 나오는 것은 2016년 상반기입니다. 대략 그 정도가 적당한 시기로 보이는데, 아마도 비슷한 시점에 브로드웰 E 역시 하이엔드 데스크탑 시장에 도입될 것으로 보입니다.
​

 그리고 2017년 상반기에는 다시 퍼리(Purley) 플랫폼의 스카이레이크 EP/EX가 등장할 예정입니다. 현재 루머로는 최대 28코어와 6채널 DDR4를 가지고 등장할 것이라고 알려져 있습니다. 소켓 역시 Socket P라는 새로운 소켓이 도입됩니다. 하지만 퍼리 플랫폼에서 바뀌는 것은 그뿐만이 아닙니다.
​
​
 퍼리 플랫폼은 인텔의 제온 파이 코프로세서를 위한 Omni-Path interconnect가 등장하게 됩니다. 100GB/s의 고속 인터페이스로써 이는 대규모의 병렬연산을 처리해야 하는 상황에서 큰 힘을 발휘할 것입니다. 여기에 PCIe 기반의 SSD와 연결을 강화하기 위해 OCuLink 인터페이스가 추가되는데, 여러 개의 2.5인치 PCIe SSD를 연결해서 대용량의 고속 스토리지를 구축하기 위한 것입니다.
​
​

​
​
​
 퍼리 플랫폼은 ​ Wolf Pass, Buchanan Pass, Sawtooth Pass의 세 가지 하위 제품군을 나뉘며, 각각 고성능 서버 및 스토리지, 빅데이터 분석, 임베디드 등의 시장에 대응합니다. 만약 8소켓 보드를 사용하는 경우 최대 224개의 코어와 448개의 쓰레드, 그리고 560MB의 L3 캐쉬를 가질 수 있어 x86 서버 및 HPC 시장에서 성능이 크게 강화될 것으로 보입니다.
​
​
 그 이후에 퍼리 플랫폼의 10nm 공정 캐논레이크 EP/EX 제온이 등장하는 것은 2018년 상반기가 될 것이라고 합니다. 물론 이는 10nm 공정이 얼마나 빨리 양산에 돌입할 수 있느냐에 따라 좀 달라질 것입니다. 캐논레이크 EX의 경우 최대 32개의 코어를 가질 것이라고 합니다.
​
​
Product Family
Intel Xeon E5-2600/4600 V4
Intel Xeon E7-8800/4800 V4
Intel Xeon E5-2600/4600 V5
Intel Xeon E7-8800/4800 V5
Intel Xeon E5-2600/4600 V6
Intel Xeon E7-8800/4800 V6
Product Family
Intel Xeon E5-2600/4600 V4
Intel Xeon E7-8800/4800 V4
Intel Xeon E5-2600/4600 V5
Intel Xeon E7-8800/4800 V5
Intel Xeon E5-2600/4600 V6
Intel Xeon E7-8800/4800 V6
Family Branding
Broadwell-EP
Broadwell-EX
Skylake-EP
Skylake-EX
Cannonlake-EP
Cannonlake-EX
Process Node
14nm
14nm
14nm
14nm
10nm
10nm
Xeon Platform
Intel Grantley
Intel Brickland
Intel Purely
Intel Purely
Intel Purley
Intel Purley
PCH
C610 Series
C602J Series
Lewisburg PCH
Lewisburg PCH
Lewisburg PCH
Lewisburg PCH
Socket
Socket R1
Socket R3
Socket P
Socket P
Socket P
Socket P
Omni-Path (Interconnect)
N/A
N/A
Storm Lake Gen1
Storm Lake Gen1
Storm Lake Gen1
Storm Lake Gen1
Max Core Count
22
24
26 (TBC)
28
30-32?
32-34?
Max Thread Count
44
48
52 (TBC)
56
60-64?
64-68?
Max L3 Cache
55 MB
60 MB
65 MB (TBC)
70 MB
75-80?
80-85?
Max PCI-Express Lanes
40 PCI-E Gen3
32 PCI-E Gen3
48 PCI-E Gen3
48 PCI-E Gen3
>48 PCI-E Gen3
>48 PCI-E Gen3
DDR4 Memory Support
4-Channel DDR4
4-Channel DDR4
6-Channel DDR4
6-Channel DDR4
6-Channel DDR4
6-Channel DDR4
TDP Range
55-145W
115-165W
45-160W
110-160W
45-160W
110-160W
Launch Expected
Q1 2016
Q2 2016
1H 2017
2017
2018
2018
  
 (고성능 제온 프로세서 비교. 아직 브로드웰 이후 프로세서는 등장한 것이 아님. 출처: wccftech)
​
​
 일반적으로 하이엔드 데스크탑 프로세서가 제온과 비슷한 시기에 등장하는 점을 감안하면 스카이레이크 E 는 2017년 상반기에 캐논레이크 E는 2018년 상반기에 등장할 것이라는 점을 짐작할 수 있습니다. 서버 플랫폼에서는 코어가 크게 늘어나 이제 6채널 DDR4가 필요할 것 같은 상황이긴 하지만, 사실 8코어에서 더 코어가 늘어나지 않는다면 굳이 가격만 올리는 6채널이 필요할까 하는 생각입니다.
​
​
 과연 인텔이 코어를 좀 더 넣어주고 6채널 DDR4를 사용할까요? 아니면 그냥 8코어가 최고가 되는 현행 시스템을 몇 년 더 유지할까요? 그건 아마 시장 상황에 따라 달라질 것 같습니다. 특히 2016년말 출시 예정인 AMD의 Zen 이 새로운 변수가 될 것 같은데, Zen 성능이 별로면 그냥 큰 변화가 없고 예상보다 성능이 우수하면 코어를 더 넣든지 해서 하이엔드 시장에서 경쟁을 벌이려 할 것입니다. 
​
​
 미래란 알 수 없지만, 가능하면 후자의 일이 발생했으면 좋겠습니다.
​
​
 참고
​
​
   

​
​
라벨:

댓글

댓글 쓰기

이 블로그의 인기 게시물

통계 공부는 어떻게 하는 것이 좋을까?

 사실 저도 통계 전문가가 아니기 때문에 이런 주제로 글을 쓰기가 다소 애매하지만, 그래도 누군가에게 도움이 될 수 있다고 생각해서 글을 올려봅니다. 통계학, 특히 수학적인 의미에서의 통계학을 공부하게 되는 계기는 사람마다 다르긴 하겠지만, 아마도 비교적 흔하고 난감한 경우는 논문을 써야 하는 경우일 것입니다. 오늘날의 학문적 연구는 집단간 혹은 방법간의 차이가 있다는 것을 객관적으로 보여줘야 하는데, 그려면 불가피하게 통계적인 방법을 쓸 수 밖에 없게 됩니다. 이런 이유로 분야와 주제에 따라서는 아닌 경우도 있겠지만, 상당수 논문에서는 통계학이 들어가게 됩니다.   문제는 데이터를 처리하고 분석하는 방법을 익히는 데도 상당한 시간과 노력이 필요하다는 점입니다. 물론 대부분의 학과에서 통계 수업이 들어가기는 하지만, 그것만으로는 충분하지 않은 경우가 많습니다. 대학 학부 과정에서는 대부분 논문 제출이 필요없거나 필요하다고 해도 그렇게 높은 수준을 요구하지 않지만, 대학원 이상 과정에서는 SCI/SCIE 급 논문이 필요하게 되어 처음 논문을 작성하는 입장에서는 상당히 부담되는 상황에 놓이게 됩니다.  그리고 이후 논문을 계속해서 쓰게 될 경우 통계 문제는 항상 나를 따라다니면서 괴롭히게 될 것입니다.  사정이 이렇다보니 간혹 통계 공부를 어떻게 하는 것이 좋겠냐는 질문이 들어옵니다. 사실 저는 통계 전문가라고 하기에는 실력은 모자라지만, 대신 앞서서 삽질을 한 경험이 있기 때문에 몇 가지 조언을 해줄 수 있을 것 같습니다.  1. 입문자를 위한 책을 추천해달라  사실 예습을 위해서 미리 공부하는 것은 추천하지 않습니다. 기본적인 통계는 학과별로 다르지 않더라도 주로 쓰는 분석방법은 분야별로 상당한 차이가 있을 수 있어 결국은 자신이 주로 하는 부분을 잘 해야 하기 때문입니다. 그러기 위해서는 학과 커리큘럼에 들어있는 통계 수업을 듣는 것이 더 유리합니다...
댓글 4개
자세한 내용 보기

9000년 전 소녀의 모습을 복원하다.

( The final reconstruction. Credit: Oscar Nilsson )  그리스 아테나 대학과 스웨덴 연구자들이 1993년 발견된 선사 시대 소녀의 모습을 마치 살아있는 것처럼 복원하는데 성공했습니다. 이 유골은 그리스의 테살리아 지역의 테오페트라 동굴 ( Theopetra Cave )에서 발견된 것으로 연대는 9000년 전으로 추정됩니다. 유골의 주인공은 15-18세 사이의 소녀로 정확한 사인은 알 수 없으나 괴혈병, 빈혈, 관절 질환을 앓고 있었던 것으로 확인되었습니다.   이 소녀가 살았던 시기는 유럽 지역에서 수렵 채집인이 초기 농경으로 이전하는 시기였습니다. 다른 시기와 마찬가지로 이 시기의 사람들도 젊은 시절에 다양한 질환에 시달렸을 것이며 평균 수명 역시 매우 짧았을 것입니다. 비록 젊은 나이에 죽기는 했지만, 당시에는 이런 경우가 드물지 않았을 것이라는 이야기죠.   아무튼 문명의 새벽에 해당하는 시점에 살았기 때문에 이 소녀는 Dawn (그리스어로는  Avgi)라고 이름지어졌다고 합니다. 연구팀은 유골에 대한 상세한 스캔과 3D 프린팅 기술을 적용해서 살아있을 당시의 모습을 매우 현실적으로 복원했습니다. 그리고 그 결과 나타난 모습은.... 당시의 거친 환경을 보여주는 듯 합니다. 긴 턱은 당시를 살았던 사람이 대부분 그랬듯이 질긴 먹이를 오래 씹기 위한 것으로 보입니다.   강하고 억센 10대 소녀(?)의 모습은 당시 살아남기 위해서는 강해야 했다는 점을 말해주는 듯 합니다. 이렇게 억세보이는 주인공이라도 당시에는 전염병이나 혹은 기아에서 자유롭지는 못했기 때문에 결국 평균 수명은 길지 못했겠죠. 외모 만으로 평가해서는 안되겠지만, 당시의 거친 시대상을 보여주는 듯 해 흥미롭습니다.   참고  https://phys.org/news/2018-01-te...
댓글 쓰기
자세한 내용 보기

150년 만에 다시 울린 희귀 곤충의 울음 소리

  ( The katydid Prophalangopsis obscura has been lost since it was first collected, with new evidence suggesting cold areas of Northern India and Tibet may be the species' habitat. Credit: Charlie Woodrow, licensed under CC BY 4.0 ) ( The Museum's specimen of P. obscura is the only confirmed member of the species in existence. Image . Credit: The Trustees of the Natural History Museum, London )  과학자들이 1869년 처음 보고된 후 지금까지 소식이 끊긴 오래 전 희귀 곤충의 울음 소리를 재현하는데 성공했습니다. 프로팔랑곱시스 옵스큐라 ( Prophalangopsis obscura)는 이상한 이름만큼이나 이상한 곤충으로 매우 희귀한 메뚜기목 곤충입니다. 친척인 여치나 메뚜기와는 오래전 갈라진 독자 그룹으로 매우 큰 날개를 지니고 있으며 인도와 티벳의 고산 지대에 사는 것으로 보입니다.   유일한 표본은 수컷 성체로 2005년에 암컷으로 생각되는 2마리가 추가로 발견되긴 했으나 정확히 같은 종인지는 다소 미지수인 상태입니다. 현재까지 확실한 표본은 수컷 성체 한 마리가 전부인 미스터리 곤충인 셈입니다.   하지만 과학자들은 그 형태를 볼 때 이들 역시 울음 소리를 통해 짝짓기에서 암컷을 유인했을 것으로 보고 있습니다. 그런데 높은 고산 지대에서 먼 거리를 이동하는 곤충이기 때문에 낮은 피치의 울음 소리를 냈을 것으로 보입니다. 문제는 이런 소리는 암컷 만이 아니라 박쥐도 잘 듣는다는 것입니다. 사실 이들은 중생대 쥐라기 부터 존재했던 그룹으로 당시에는 박쥐가 없어 이런 방식이 잘 통했을 것입니다. 하지만...
댓글 쓰기
자세한 내용 보기