ZDNet至顶网服务器频道 04月21日 新闻消息:AMD4月16日宣布其在企业软件生态系统开发方面树立又一座重要里程碑,首次公开演示其第二代AMD皓龙™ X系列APU;该APU代号为“柏林”(Berlin),运行的是基于Fedora Project的Linux环境。Fedora Project是红帽赞助、并由社区推动发展的Linux发行版,为全世界的开发人员和IT管理员提供了一种熟悉的企业级操作环境。这一点对于希望过渡到x86 APU服务器、但又不愿意向其IT环境引入新工具和新软件平台的企业而言很重要。此外,本次演示也代表着数据中心内的x86 APU加速性能也向前迈出了显著一步。
AMD的 “柏林” APU“首演”将向大家展示世界上第一个采用服务器APU的异构系统架构(HSA)——该架构将于今年晚些时候正式推出。本次演示包括对 “Project Sumatra” 中所采用的先进成果的介绍;这些先进成果使得Java™ 应用程序能够在AMD服务器APU内利用图形处理单元(GPU)。AMD APU平台上Linux和Java的组合为基于服务器的多媒体工作负载和GPU通用计算提供了理想平台,这将有助于把数据中心内的工作负载效率推升到新水平。此外,AMD还将演示“柏林” APU上基于 OpenCL™和OpenGL的软件。
AMD公司全球副总裁兼服务器业务部总经理Suresh Gopalakrishnan表示,“由于服务器能够针对新的、不断变化的工作负载进行适应调整,所以软件生态系统能够支持这些新工作负载的需求就变得至关重要。我们正在积极地与数据中心软件社区的一系列合作伙伴开展协作,他们将为市场带来相关软件体系架构,以无缝启用基于x86 APU的服务器”。
AMD是HSA 基金会的创始成员之一;该基金会是一个致力于建立稳健的生态系统以支持APU技术的组织。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。