Российские процессоры. Российские процессоры Эльбрус 8 с что дальше

В этой статье мы покажем, как работают технологии распознавания образов на Эльбрус-4С и на новом Эльбрус-8С: рассмотрим несколько задач машинного зрения, немного расскажем об алгоритмах их решения, приведем результаты бенчмаркинга и наконец покажем видео.

Эльбрус-8С - новый 8-ядерный процессор МЦСТ с VLIW-архитектурой. Мы тестировали инженерный образец с частотой 1.3 ГГц. Возможно, в серийном выпуске она еще возрастет.

Приведем сравнение характеристик Эльбрус-4С и Эльбрус-8С.

	Эльбрус-4С	Эльбрус-8С
Тактовая частота, МГц	800	1300
Число ядер	4	8
Число операций за такт (на ядро)	до 23	до 25
L1 кэш, на ядро	64 Кб	64 Кб
L2 кэш, на ядро	2 Мб	512 Кб
L3 кэш, общая	-	16 Мб
Организация оперативной памяти	До 3 каналов DDR3-1600 ECC	До 4 каналов DDR3-1600 ECC
Технологический процесс	65 нм	28 нм
Количество транзисторов	986 млн.	2730 млн.
Ширина SIMD инструкции	64 бита	64 бита
Поддержка многопроцессорных систем	до 4 процессоров	до 4 процессоров
Год начала производства	2014	2016
Операционная система	ОС “Эльбрус” 3.0-rc27	ОС “Эльбрус” 3.0-rc26
Версия компилятора lcc	1.21.18	1.21.14

В Эльбрус-8С более чем в полтора раза повысились тактовая частота, вдвое увеличилось число ядер, а также произошло усовершенствование самой архитектуры.

Так, например, Эльбрус-8С может исполнять до 25 инструкций за 1 такт без учета SIMD (против 23 у Эльбрус-4С).

Важно : нами не проводилось никакой специальной оптимизации под Эльбрус-8С. Была задействована библиотека EML, однако объем оптимизаций под Эльбрус в наших проектах сейчас явно меньше, чем под другие архитектуры: там он постепенно наращивался в течение нескольких лет, а платформой Эльбрус мы занимаемся не так давно и не столь активно. Основные времязатратные функции, конечно же, были оптимизированы, но вот до остальных пока не дошли руки.

Распознавание паспорта РФ

Разумеется, начать освоение новой для нас платформы мы решили с запуска нашего продукта Smart IDReader 1.6 , предоставляющего возможности по распознавания паспортов, водительский прав, банковских карт и других документов. Необходимо отметить, что стандартная версия этого приложения может эффективно задействовать не более 4 потоков при распознавании одного документа. Для мобильных устройств этого более чем достаточно, а вот при бенчмаркинге десктоп-процессоров это может приводить к занижению оценок производительности многоядерных систем.

Предоставленная нам версия ОС Эльбрус и компилятора lcc не потребовали никаких специальных изменений в исходном коде и мы без каких-либо трудностей собрали наш проект. Отметим, что в новой версии появилась полная поддержка С++11 (она также появилась и в свежих версиях lcc для Эльбрус-4С), что не может не радовать.

Для начала мы решили проверить, как работает распознавание паспорта РФ, о котором мы уже писали , на Эльбрус-8С. Мы провели тестирование в двух режимах: поиск и распознавание паспорта на отдельном кадре (anywhere-режим) и на видеоролике, снятом с веб-камеры (webcam-режим). В anywhere режиме распознавание разворота паспорта выполняется на одном кадре, причем паспорт может находиться в любой части кадра и быть произвольным образом ориентированным. В режиме webcam выполняется распознавание только страницы паспорта с фото, причем обрабатывается серия кадров. При этом предполагается, что строки паспорта горизонтальны и паспорт слабо смещается между кадрами. Полученная с разных кадров информация интегрируется для повышения качества распознавания.

Для тестирования мы взяли по 1000 изображений для каждого из режимов и замеряли среднее время работы распознавания (т.е. время без учета загрузки картинки) при запуске в 1 поток и запуске с распараллеливанием. Полученное время работы приведено ниже в таблице.

Результаты для однопоточного режима вполне соответствуют ожидаемым: помимо ускорения за счет повышения частоты (а кратность частот 4С и 8С равна 1300 / 800 = 1.625), заметно небольшое ускорение за счет усовершенствования архитектуры.

В случае запуска на максимальном числе потоков ускорение для обоих режимов составило 1.7. Казалось бы, число ядер в Эльбрус-8С вдвое больше, чем в 4С. Так где же ускорение за счет дополнительных 4 ядер? Дело в том, что наш алгоритм распознавания активно задействует только 4 потока и слабо масштабируется дальше, поэтому прирост производительности совсем незначительный.

Далее мы решили добиться полной загрузки всех ядер обоих процессоров и запустили несколько процессов распознавания паспорта. Каждый вызов распознавания был распараллелен так же, как и в предыдущем эксперименте, однако здесь время обработки паспорта включало загрузку изображения из файла. Замеры времени выполнялись на все той же тысяче паспортов. Результаты при полной загрузке Эльбрусов приведены ниже:

Для anywhere-режима полученное ускорение приблизилось к ожидаемому ускорению в ~3.6 раза, не дотянув до него из-за того, что мы учитывали время загрузки картинки из файла. В случае с webcam-режимом влияние времени загрузки еще больше и поэтому ускорение получилось более скромным - 2.5 раза.

Детекция автомобилей

Детекция объектов заданного типа - одна из классических задач технического зрения. Это может быть детекция лиц, людей, оставленных предметов или любого другого типа объектов, обладающих явными отличительными признаками.

Для нашего примера мы решили взять задачу детекции автомобилей, движущихся в попутном направлении. Подобный детектор может использоваться в системах автоматического управления транспортными средствами, в системах распознавания автомобильных номеров и т.д. Не долго думая, мы отсняли видео для обучения и тестирования с помощью авторегистратора неподалеку от нашего офиса. В качестве детектора мы использовали каскадный классификатор Виолы-Джонса . Дополнительно мы применили экспоненциальное сглаживание положений найденных автомобилей для тех из них, которые мы наблюдаем несколько кадров подряд. Стоит отметить, что детектирование выполняется только в прямоугольнике ROI (region of interest), который занимает не весь кадр, поскольку малоосмысленно пытаться детектировать внутренности нашего автомобиля, а также машины, не полностью попадающие в кадр.

Таким образом, наш алгоритм состоял из следующих шагов:

Вырезание прямоугольника ROI по центру кадра.
Преобразование цветного изображения ROI в серое.
Предпосчет признаков Виолы-Джонса.
На этом этапе изображение подвергается масштабированию, строятся карты вспомогательных признаков (например, направленных границ), а также вычисляются кумулятивные суммы по всем признакам для быстрого подсчета хааровских вэйвлетов.
Запуск классификатора Виолы-Джонса на множестве окон.
Здесь с некоторым шагом перебираются прямоугольные окна, на которых запускается классификатор. Если классификатор выдал положительный ответ, то произошла детекция объекта, т.е. изображение внутри окна соответствует автомобилю. В этом случае выполняется уточнение области изображения, в которой находится объект: в окрестности первичной детекции выделяются окна того же размера, но с меньшим шагом и также подаются на вход классификатора. Все найденные объекты сохраняются для дальнейшей обработки. Данная процедура повторяется для нескольких масштабов входного изображения.
Этот этап собственно и составляет основную вычислительную сложность задачи и распараллеливание было произведено именно для него. Мы использовали библиотеку tbb для автоматического выбора эффективного числа потоков.
Обработка массива детекций, полученного после применения детектора. Поскольку ряд полученных детекций могут быть очень близкими и отвечать одному и тому же объекту, мы объединяем детекции, имеющие достаточно большую площадь пересечения. В результате получаем массив прямоугольников, которые указывают положение обнаруженных автомобилей.
Сопоставление детекций на предыдущем и текущем кадрах. Мы считаем, что был задетектирован один и тот же объект, если площадь пересечения прямоугольников составляет больше половины от площади текущего прямоугольника. Выполняем сглаживание положения объекта по формулам:
x i = x i + (1-α)x i -1
y i = y i + (1-α)y i -1
w i = w i + (1-α)w i -1
h i = h i + (1-α)h i -1
где (x , y )--- координаты верхнего левого угла прямоугольника, w и h - его ширина и высота соответственно, а α - постоянный коэффициент, подобранный экспериментально.

Входные данные: последовательность цветных кадров размера 800х600 пикселей.
Здесь и далее для оценки fps (frame per second) использовалось среднее время работы по 10 запускам программы. При этом учитывалось только время обработки изображений, поскольку сейчас мы работали с записанным роликом, и изображения просто загружались из файла, а в реальной системе они могут, например, поступать с камеры. Оказалось, что детекция работает с весьма приличной скоростью, выдавая 15.5 fps на Эльбрус-4С и 35.6 fps на Эльбрус-8С. На Эльбрус-8С загрузка процессора оказывается далеко не полной, хотя в пике задействованы все ядра. Очевидно, это связано с тем, что не все вычисления в этой задаче были распараллелены. Например, перед применения детектора Виолы-Джонса мы выполняем достаточно тяжеловесные вспомогательные преобразования каждого кадра, а эта часть системы работает последовательно.

Теперь пришло время демонстрации. Интерфейс приложения и отрисовка выполнены с помощью стандартных средств Qt5. Никакой дополнительной оптимизации не проводилось.

Эльбрус-4С

Эльбрус-8С

Визуальная локализация

В этом приложении мы решили продемонстрировать визуальную локализацию на основе особых точек. Использовав панорамы Google Street View с GPS-привязкой, мы научили нашу систему узнавать местонахождение камеры без использования данных о её GPS-координатах или другой внешней информации. Такая система может использоваться для беспилотников и роботов в качестве резервной системы навигации, для уточнения текущего местоположения или для работы в системах без GPS.

Сначала мы обработали базу панорам с GPS-координатами. Мы взяли 660 изображений, покрывающих приблизительно 0.4 км^2 московских улиц:

Затем мы создали описание изображений с помощью особых точек. Для каждого изображения мы:

Нашли особые точки для 3 масштабов кадра (сам кадр, уменьшенный в 4/3 раза кадр и уменьшенный вдвое кадр) алгоритмом YAPE (Yet Another Point Detector) и посчитали для них RFD-дескрипторы .
Сохранили его координаты, набор особых точек, их дескрипторы. Поскольку затем мы будем сравнивать дескрипторы особых точек текущего кадра со значениями дескрипторов из нашей базы, удобно хранить дескрипторы в дереве, используя расстояние Хэмминга в качестве метрики. Общий размер сохраненных данных оказался чуть больше 15 Мб.

На этом приготовления закончены, теперь перейдем к тому, что происходит непосредственно во время работы программы:

Преобразование цветного изображения в серое.
Выполнение автоконтраста.
Поиск особых точек для трех масштабов кадра (также с коэффициентами 1, 0.75 и 0.5) с помощью алгоритма YAPE и подсчет для них RFD-дескрипторов. Эти алгоритмы частично распараллелены, однако довольно большая часть вычислений осталась последовательной. Кроме того, они пока не оптимизировались под платформу Эльбрус.
Для полученного набора дескрипторов выполняется поиск похожих дескрипторов среди сохраненных в дереве, и происходит определение несколько наиболее похожих кадров. Для различных дескрипторов поиск в дереве распараллелен с помощью tbb. При этом для первых 5 кадров видео мы выбираем 10 ближайших кадров, а затем берем только 5 кадров.
Выбранные кадры проходят дополнительную фильтрацию, чтобы убрать “выбросы”, ведь траектория транспортного средства обычно непрерывна.

Входные данные: последовательность цветных кадров размера 800х600 пикселей.

1.71 Паспорт, anywhere режим, с/кадр, полная загрузка процессора 1.38 0.43 3.2 Паспорт, webcam режим, c/кадр, полная загрузка процессора 0.47 0.19 2.5

Результаты для распознавания паспорта получились довольно скромные, поскольку наше приложение в своем текущем виде не может эффективно задействовать более 4 потоков. Похожая ситуация с детекцией автомобилей и визуальной локацией: алгоритмы имеют нераспараллеленные участки, поэтому не приходится ожидать линейного масштабирования при росте числа ядер. Однако там, где нет ограничений на загрузку приложениями всех ядер процессора, мы наблюдаем рост в 3.2 раза, это близко к теоретическому пределу в 3.6 раз. В среднем разница производительности между поколениями процессоров МЦСТ на нашем наборе задач составляет порядка 2-3 раз, и это очень радует. Только за счёт увеличения частоты и совершенствования архитектуры мы наблюдаем выигрыш более чем в 1.7 раза. МЦСТ быстро нагоняет Intel с ее стратегией в добавлении 5% в год.

В процессе тестов под полной нагрузкой мы не испытывали проблем с зависаниями и падениями, что говорит о зрелости процессорной архитектуры. Подход VLIW, развиваемый в Эльбрусах-8С, позволяет добиваться работы в реальном времени различных алгоритмов компьютерного зрения, а библиотека EML содержит весьма солидный набор математических функций, которые позволяют экономить время тем, кто не собирается оптимизировать код сам. В заключение мы провели еще один эксперимент, запустив сразу 3 демонстрации (локализацию, поиск машин и поиск лиц) на одном процессоре Эльбрус-8С и получив среднюю загрузку процессора около 80%. Тут уж без комментариев.

Хотим сказать большое спасибо компании и сотрудникам МЦСТ и ИНЭУМ Брука за возможность попробовать Эльбрус-8С и поздравить их - восьмерка более чем достойный процессор и пожелать им успехов!

Использованные источники

P. Viola, M. Jones, “Rapid Object Detection using a Boosted Cascade of Simple Features”, Proceedings of CVPR 2001.
B. Fan, Q. Kong, T. Trzcinski, Z. H. Wang, C. Pan, and P. Fua, “Receptive fields selection for binary feature description,” IEEE Trans. Image Process., pp. 2583–2595, 2014.

Ну что ж, это случилось. Мир увидел компьютеры на новом российском процессоре ЭЛЬБРУС. Elbrus-8S – это восьмиядерный процессор, изготовленный по 28-нанометрового техпроцессу. Для сравнения, процессоры Intel Kaby Lake текущего поколения используют 14-нанометровый процесс. Intel в опасности? Ещё чуть-чуть и догонят?

Я как-то подзабыл, а был же ещё и процессор предыдущего поколения. Ruselectronics заявляет, что новый чип в пять раз быстрее, чем предыдущий Elbrus-4S.

Предыдущий процессор был выпущен в 2015 году, его высмеяли за слабую производительность, сравнивая с решениями 1999-го года.

Ну, если учитывать такой неудачный старт два года назад, то новое решение выглядит вполне жизнеспособным. Наверстали, так сказать.

Производитель гарантирует пользователем «высокий уровень информационной безопасности». О чем конкретно идёт речь — не известно. Не уж то нет поддержки подключения к интернет? Пока это самый безопасный сценарий использования компьютера из тех, что мне известны.

Вместе с новой платформой показали фирменную сборку ПК Elbrus 801. Все это дело работает на специальной версии Linux Elbrus OS.

Заместитель генерального директора Ruselectronics Арсений Брыкин сказал, что мы можем ожидать появления первой партии ПК под управлением Эльбруса-8S во втором квартале 2017 года.

Хотелось бы сейчас оказаться в параллельной вселенной, в которой Россия создаёт конкурента Intel и успешно начинает бороться с ним на умирающем рынке ПК, но нет, увы, такого не произойдёт.

Попытка создать импортозамещающий продукт в целом хороша, только вот конечному потребителю и вовсе не нужна, максимум снабдят этими компьютерами государственные учреждения и на этом все закончится.

25.05.2017, Чт, 11:45, Мск , Текст: Владимир Бахур

«Ростех» показал первые образцы ПК и серверов на отечественных 8-ядерных 64-битных процессорах «Эльбрус 8С». Установочные партии первых серверов на новых чипов ожидаются к концу 2017 г.

Первые образцы работающих ПК и серверов

Объединенный холдинг «Росэлектроника» (входит в «Ростех») в рамках конференции «ЦИПР 2017» в Иннополисе (Татарстан) представил первые образцы персональных компьютеров и серверов на базе микропроцессоров «Эльбрус-8С». Новая отечественная техника, по данным разработчиков, имеет повышенную производительность и гарантирует пользователям высокий уровень защиты информации. Новые серверы предназначены для обработки больших объемов информации, в том числе в режиме реального времени.

На базе чипов «Эльбрус-8С» планируется организовать массовое производство серверов, рабочих станций и других средств вычислительной техники для государственных учреждений и бизнес-структур, предъявляющих повышенные требования к информационной безопасности, а также для применения в области высокопроизводительных вычислений, обработки сигналов, телекоммуникации.

«Это новое поколение отечественной вычислительной техники. Все этапы сборки осуществляются на наших производственных площадках и на предприятиях отечественных партнеров. Все это гарантирует высокий уровень информационной безопасности оборудования, -- сказал заместитель гендиректора «Росэлектроники» Арсений Брыкин . -- Мы ожидаем, что первая опытная партия персональных компьютеров на основе нового процессора будет готова уже к концу II квартала 2017 года. Образцы нового оборудования мы представляем сегодня на конференции "ЦИПР" в Иннополисе».

Чипы «Эльбрус-8С» в 4-процессорной серверной системе

В составе объединенной «Росэлектроники» разработку и внедрение программно-аппаратных платформ «Эльбрус» ведет Институт электронных управляющих машин (ИНЭУМ) им. И. С. Брука. Разработкой и производством процессором «Эльбрус-8С» занимается компания МЦСТ. Первые образцы процессоров «Эльбрус-8С» для лабораторных экспериментов были получены в конце 2014 г. Массовое производство процессоров будет производиться с соблюдением норм 28-нанометрового технологического процесса.

Установочная партия 2- и 4-процессорных серверов на основе «Эльбрус-8С», согласно данным «Росэлектроники», будет выпущена к концу 2017 г.

Технические подробности

Универсальные микропроцессоры «Эльбрус-8С» являются полностью российской разработкой. Кристалл каждого процессора имеет 8 процессорных ядер с улучшенной 64-разрядной архитектурой «Эльбрус» третьего поколения, кэш-память L2 суммарным объемом 4 МБ (8 х 512 КБ) и кэш-память L3 объемом 16 МБ.

Особенности архитектуры «Эльбрус» подразумевают возможность выполнять на каждом ядре до 25 операций за один машинный такт, что обеспечивает высокую производительность при умеренной тактовой частоте. Чипы поддерживают технологию динамической двоичной трансляции, позволяющей обеспечивать исполнение приложений и операционных систем, распространяемых в двоичных кодах x86, в том числе в многопоточном режиме.

Архитектура процессора «Эльбрус-8С»

Процессоры «Эльбрус-8С» поддерживают режим защищенных вычислений с особым аппаратным контролем целостности структуры памяти, который позволяет обеспечить высокий уровень информационной безопасности использующих его программных систем.

Рабочая частота процессоров «Эльбрус-8С» 1,3 ГГц, вычислительная мощность составляет порядка 250 гигафлопс на чип на операциях с одинарной точностью (FP32).

По сравнению с 4-ядерными процессорами «Эльбрус-4С», пиковая производительность новых чипов процессора «Эльбрус-8С», по данным разработчиков, выше в 3-5 раз, пропускная способность каналов ввода-вывода выше в 8 раз.

Процессор «Эльбрус-8С»

Процессоры «Эльбрус-8С» рассчитаны на работу с памятью стандарта DDR3-1600 с поддержкой ECC (до 4контроллеров памяти). Возможна организация многопроцессорных систем с поддержкой до 4 процессоров в системе; для поддержки кэш-когерентности реализована фильтрация снупирования. Для межпроцессорного обмена предусмотрено 3 дуплексных канала с пропускной способностью 16 ГБ/с каждый (8 ГБ/с в каждую сторону).

Процессоры «Эльбрус-8С» совместимы с контроллером периферийных интерфейсов («южный мост» КПИ-2). Чипы КПИ-2 поддерживают шину PCI-Express 2.0 (PCI-Express 16 + 4 линий), 3 порта Gigabit Ethernet, до 8 устройств SATA 3.0, до 8 портов USB 2.0, до 7 устройств в шиной PCI 32/66, а также интерфейсы IDE, Audio HDA, RS-232, IEEE1284, SPI, I2C и GPIO.

Для платформы «Эльбрус-8С» предусмотрена система двоичной совместимости с бинарными кодами x86/х86-64. Также обеспечена возможность разработки прикладного ПО, тесты для самодиагностики аппаратуры.

Базовой операционной системой для платформы «Эльбрус» является ОС «Эльбрус» на базе ядра Linux. Система программирования платформы поддерживает языки С, С++, Java, Фортран-77, Фортран-90.

Без одного дня три года прошло с момента об отечественном микропроцессоре Эльбрус-8С. Напомним, линейка процессоров Эльбрус разрабатывается АО «МЦСТ» и считается одной из самых успешных отечественных разработок в этой области.

Безусловно, разработка отечественных процессоров не остановилась на Эльбрус-8С.

Стоит сказать, что сама по себе модель Эльбрус-8С выглядела перспективно на фоне предыдущих российских разработок. Конечно, ожидать от АО «МЦСТ» настоящего соперничества с Intel и AMD нельзя. Весовые категории не те. Но такие процессоры разрабатываются не для того. Это вопрос информационной безопасности и технологической самостоятельности. Конечно, очень хотелось бы увидеть коммерческий успех линейки Эльбрус, но при ничтожных размерах отгружаемых партий себестоимость каждого процессора выходит огромной. При этом следует напомнить, что речь идёт о не самом современном процессоре. Хотя и не о совсем безнадежном.

За три прошедших года модель 8С претерпела модернизацию. Усовершенствованная версия 8СВ получила поддержку DDR4, увеличенную площадь кристалла и повышенную тактовую частоту.

Характеристики	Эльбрус-8С	Эльбрус-8СВ
Тактовая частота	1300 МГц	1500 МГц
Количество ядер	8	8
Кэш-память	L2: 8 x 512 КБ L3: 16 МБ	L2: 8 x 512 КБ L3: 16 МБ
Оперативная память	DDR3-1600 ECC	DDR4-2400 ECC
Площадь кристалла	321 mm 2	350 mm 2
Количество транзисторов	2,73 миллиарда	3,5 миллиарда
Техпроцесс	28 нм	28 нм
Пиковая производительность (64 разряда, двойная точность)	125 Gflops	288 Gflops
Пиковая производительность (32 разряда, одинарная точность)	250 Gflops	576 Gflops

Инженерам АО «МЦСТ» удалось обеспечить более чем двукратный рост пиковой производительности. Выпуск намечен на 2018 год. Страница процессора на сайте АО «МЦСТ».

Впрочем, нельзя не понимать, что Эльбрус-8СВ является пусть и качественной, но модернизацией морально устаревшего процессора. Согласно планам компании, на смену 8С и 8СВ к 2022 году должен прийти Эльбрус-16С. Ожидается переход на техпроцесс 16 нм и почти трехкратный рост пиковой производительности. Число ядер планируется довести до 16, а тактовую частоту до 2000 МГц.

Сбудутся ли эти планы — покажет время. Однако стоит отметить техпроцесс, который планируется применять в данной разработке. Хотя 16 нм не выглядят сейчас устаревшим техпроцессом, они, скорее всего, будут архаично смотреться к 2022 году. Уже сейчас AMD выпускает процессоры по техпроцессу в 12 нм и экспериментирует с 7 нм. Intel вовсю занята переходом на техпроцесс в 10 нм.

Конечно, технический процесс это не единственный определяющий производительность фактор. К этим цифрам следует относиться как к объективному показателю уровня развития отечественной отрасли по созданию микропроцессоров. И он не так плох, как может показаться на первый взгляд.

В 2011 году Минпромторг объявил тендеры «на выполнение научно-исследовательских и опытно-конструкторских работ по подпрограмме федеральной целевой программы № 1 Часть 28». Эта программа называется «Развитие электронной компонентной базы и радиоэлектроники» и рассчитана на 2008–2015 гг.

Работы велись по двум лотам: «Разработка гетерогенного микропроцессора с пиковой производительностью более 150 Гфлопс на базе высокопроизводительных универсальных 64-разрядных процессорных ядер» и «Разработка 64-разрядного микропроцессора со встроенной графикой с пиковой производительностью более 24 Гфлопс». Оба лота выиграла компания МЦСТ. Результаты работ, проведенных в рамках исполнения трехлетних контрактов, были переданы в срок – в декабре 2015 года. В разработку «Эльбрус-8С» вложили 836 млн, в «Эльбрус-1С+» - 410 млн рублей.

Производительностью около 150 Гфлопс обладает Intel Core i7-4930K, выпущен в третьем квартале 2013 года, стоит в России от 20 тыс. рублей. Производительность «Эльбрус-1С+» сравнима с Intel Core i7-880, выпущенным во втором квартале 2010 года, цена – от 25 тыс. рублей.

Что представляют собой «Эльбрусы»

Архитектура процессоров использовалась МЦСТ более десяти лет и лишь была усовершенствована. «Эльбрус-8С» - 8-ядерный чип, выполненный по 28-нанометровой технологии и созданный для обработки больших объемов данных в режиме реального времени. Этот чип может использоваться в ПК, высокопроизводительных системах и серверах, комплексах цифровой обработки сигнала.

«Эльбрус-1С+» выполнен по технологии 40 нм. Он включает одно ядро архитектуры «Эльбрус» и графическое ядро с аппаратным 3D-ускорением. Процессор предназначен для промышленной автоматики, терминалов, одноплатных встроенных и носимых ЭВМ.

Оба чипа доступны лишь ограниченными партиями. В крупное серийное производства они не запускались, в свободной продаже не появлялись.

Известно также, что в январе 2016 года «Объединенная приборостроительная корпорация» начала разрабатывать оборудование, защищенное от кибершпионажа, на «Эльбрусах-8С», а в 2017-2018 гг. процессоры закупит МВД.