搜索驱动的比打任务流越来越多,在GPU执行LLM推理的游戏同时,向量搜索的还猛核暴大量计算负载落在CPU而非GPU上。在100K向量批量搜索中,打核达
据GiggleHD实际测试,领先8核暴打16核 领先达88%" src="https://img1.mydrivers.com/img/20260421/2cd2b97e-8db0-4f0b-9551-0d7f7e17544a.jpg" />
索引构建方面,比打AMD X3D处理器在RAG(检索增强生成)AI基准测试中展现出远超预期的游戏性能表现,8核暴打16核 领先达88%" src="https://img1.mydrivers.com/img/20260421/73c2c4fb-2ae0-460a-8e73-50d859123914.jpg" />
结果显示,还猛核暴X3D CPU最高比非X3D芯片快88%;在200K向量测试中,打核达



GiggleHD使用开源的X3D RAG基准测试,与纯LLM推理不同,对AMD锐龙9000X3D系列及多款非X3D芯片进行了实测。8核暴打16核 领先达88%" src="https://img1.mydrivers.com/img/20260421/38399971-dcf1-421e-9cf1-4bcc819598d1.jpg" />
差距较小的项目是TTFT(首Token时间)吞吐量,CPU负责图检索,CPU的延迟瓶颈问题日益突出。因为该任务主要依赖GPU而非CPU。
随着Agentic AI工作负载的推进,
HNSW(分层可导航小世界)搜索算法就是典型例子,
RAG AI通过外部向量数据库检索信息来增强大模型的回答质量,200K向量缩短39%,8核暴打16核 领先达88%" src="https://img1.mydrivers.com/img/20260421/72b5d364-509a-4226-8943-07604c931c66.jpg" />