The Pulse
Intel presenta la GPU D270 per l’HPC con dati su benchmark finanziari e di IA
Intel afferma che la sua GPU per inferenza D270 è in grado di gestire anche carichi di lavoro di calcolo ad alte prestazioni che richiedono aritmetica a doppia precisione. L’azienda ha pubblicato confronti di benchmark finanziari e di IA basati su silicio pre-produzione.

Intel propone la sua GPU per data center D270, progettata per l’inferenza di IA, anche per il calcolo ad alte prestazioni, citando il supporto alla doppia precisione e nuovi confronti di benchmark con una scheda Nvidia. In un post del 16 novembre, l’azienda ha dichiarato che i risultati sono stati ottenuti con silicio pre-produzione.
La D270, precedentemente nome in codice Crescent Island, è destinata a carichi di lavoro che possono combinare simulazione e inferenza di IA. Tra gli esempi citati da Intel ci sono la modellazione finanziaria e l’imaging sismico.
Precisione e memoria
La GPU supporta calcoli nativi in doppia precisione FP64 e operazioni a precisione inferiore, da FP4 a FP8, per l’inferenza. Utilizza l’architettura Intel Xe 3P, con 32 core Xe e 256 motori Xe Matrix Extensions.
Secondo Intel, ciascun core esegue 64 operazioni fused multiply-add FP64. L’azienda afferma che l’aritmetica a doppia precisione aiuta le simulazioni scientifiche, ingegneristiche e finanziarie a preservare la fedeltà numerica e a evitare l’accumulo di errori di arrotondamento.
La scheda Intel è dotata di 160 GB di memoria LPDDR5X, con una larghezza di banda di 1,5 TB/s. Le configurazioni progettate dai partner possono arrivare a 480 GB; la scheda ha un formato PCIe 5.0 da 350 watt con raffreddamento ad aria.
Test finanziari e di IA
Intel riferisce che nei test di pricing delle opzioni la D270 ha raggiunto un throughput applicativo fino a 5,9 volte superiore a quello della RTX PRO 6000 Blackwell Server Edition di Nvidia. Il confronto ha utilizzato l’implementazione SYCL di Intel e, sulla GPU Nvidia, la migliore tra le implementazioni CUDA e SYCL di Nvidia.
L’azienda ha inoltre riportato rapporti di throughput pari a 5,6 volte per European Black-Scholes, 4,6 volte per un carico di lavoro binomiale e 1,92 volte per American Black-Scholes. Intel indica un consumo di 350 watt per la D270 e di 600 watt per la scheda Nvidia.
Per Drex 2.0, Intel dichiara una latenza fino al 29% inferiore rispetto alla scheda Nvidia. Per Qwen 3 30B-A3B, riferisce un throughput pari a 1,12 volte quello dello stesso concorrente.
Anche questi dati relativi all’IA provengono da silicio pre-produzione e Intel avverte che i risultati possono variare. Nel test con Qwen, l’azienda ha specificato una precisione FP8, VLLM, lunghezze delle sequenze di input e output di 1k ciascuna e una concorrenza da 1 a 32.
Inferenza su diversi processori
Intel intende presentare a SC26, a Chicago, un sistema realizzato con SambaNova che distribuisce il lavoro di inferenza tra processori diversi. In questa architettura, la D270 gestisce la fase di prefill, ad alta intensità di calcolo, che elabora i prompt e altro contesto.
Le Reconfigurable Dataflow Units SN50 di SambaNova gestiscono la fase di decode, limitata dalla memoria, mentre i processori Intel Xeon 6 e Xeon 6+ coordinano il flusso di lavoro, ospitano le comunicazioni e l’esecuzione degli strumenti. Intel afferma che le aziende stanno realizzando il sistema per i provider che intendono ampliare l’offerta in risposta alla domanda di token per l’IA, utilizzando stack software comuni.
Porting del software sismico
All’evento Intel presenterà anche un carico di lavoro di modellazione sismica. L’azienda afferma che il lavoro ha utilizzato calcoli FP32 e ottimizzazioni stencil consapevoli della cache per riutilizzare i dati, mantenendo al contempo sulla scheda grandi array di campi d’onda.
Per la dimostrazione sismica di Veridien, Intel afferma che gli sviluppatori hanno utilizzato il modello di programmazione open SYCL per lavorare su un carico di lavoro HIP/CUDA esistente, senza modificare il codice lato host. L’azienda dichiara che il porting della mini-applicazione è stato completato in meno di un mese e che ne sono state convalidate l’accuratezza numerica e le prestazioni.
Secondo Intel, il 90% dei kernel ha funzionato bene senza ottimizzazioni specifiche per Intel, mentre i kernel complessi hanno raggiunto fino al 70% delle prestazioni di picco teoriche al primo porting, non ottimizzato. Intel sta posizionando il proprio stack software come soluzione per supportare sia le simulazioni numeriche sia i carichi di lavoro di IA.
Fonte
Notizie correlate
- La GPU D-series di Intel può raggiungere 480 GB nelle schede dei partner
- NVIDIA prevede una GPU HPC Rubin per il calcolo scientifico nel 2028
- NVIDIA prevede rack di CPU Vera per il calcolo scientifico nel 2027
- AWS descrive controlli per gli errori silenti delle GPU nell’addestramento dell’IA
- Epoch AI presenta un indice per misurare la capacità di inferenza