توزیع Clear Linux اینتل از APX و AVX10 پشتیبانی می‌کند که هنوز منتشر نشده‌اند!

طبق گزارشی از Phoronix، افزونه‌های وکتور پیشرفته 10 (AVX10) و افزونه‌های عملکرد پیشرفته (APX) که قبلاً معرفی شده بود، اکنون راه خود را به توزیع «Clear Linux» اینتل باز کرده‌اند.

Clear Linux برای توسعه دهندگان لینوکس که خواهان بالاترین درجه بهینه سازی سخت افزاری اینتل تحت یک محیط لینوکس بهینه شده هستند، طراحی شده است و در داخل اینتل نگهداری می شود.

کاربران علاقه‌مند می‌توانند این توزیع را از سایت اصلی Clear Linux دریافت کنند، اما باید توجه داشت که این توزیع برای استفاده‌ی عمومی طراحی نشده است. بر اساس گزارش Phoronix، اجرای صحیح AVX10.1 تا زمان عرضه Granite Rapids در انتهای امسال قابل مشاهده نخواهد بود، جایی که آن‌ها تخمین می‌زنند که APX همچنین با پردازنده‌های جدید (اگرچه هنوز تایید نشده است) عرضه خواهد شد. دو ویژگی که در ابتدا در کنار هم ارائه شدند و همزمان با این به‌روزرسانی به Clear Linux اضافه شدند، نشان می‌دهند که این امکان وجود دارد.

اضافه کردن پشتیبانی از این ویژگی‌ها به این اندازه پیش از عرضه به این معناست که اینتل به مدت زمان کافی فرصت دارد تا سخت‌افزار جدید را تحت Clear Linux تست کند، قبل از اینکه کاربران نهایی و حرفه‌ای بخواهند بر روی آن به عنوان درایور روزانه اعتماد کنند.

تا زمانی که اینتل تلاش های لازم را انجام دهد، این نوید خوبی برای نسل بعدی سخت افزار اینتل تحت لینوکس است – که در حال حاضر با انتشار اخیر Meteor Lake به طور شگفت انگیزی خوب عمل کرده است، به ویژه در بخش iGPU.

طبق پست اصلی انجمن Clear Linux که سه روز پیش منتشر شد، این به‌روزرسانی APX و AVX10 را در بسته‌ای از نرم‌افزارهای کامپایل‌شده ارائه می‌کند و در «آخر این هفته» منتشر می‌شود.

در آینده، این پیاده‌سازی AVX10 به برنامه‌های AVX-512 این امکان را می‌دهد تا در میان سایر پیشرفت‌ها، هم در هسته‌های P و هم E-Cores اینتل اجرا شوند. این باید به بهبودهای قابل توجهی در CPUهای اینتل منجر شود که طراحی هیبریدی جدید را اتخاذ می کنند.
در همین حال، APX اینتل، رجیسترهای همه‌منظوره را از 16 به 32 دوبرابر می‌کند و به کدهای کامپایل‌شده APX اجازه می‌دهد تا با 10 درصد بارگذاری کمتر و 20 درصد ذخیره‌سازی کمتر نسبت به خط پایه اینتل 64 اجرا شوند.

طبق مستندات اینتل، این عمدتا به بهبود کارایی کمک می کند و همچنین می تواند به عنوان روشی برای افزایش عملکرد هوش مصنوعی عمل کند.