ZDNet至顶网服务器频道 09月24日 新闻消息:如果你对AMD比较关注的话,你很可能知道,我们设计和集成的技术被运用于数以百万计的智能和联网设备中,从世界上速度最快的显卡到超级计算机、平板电脑以及游戏机。但是你可能不知道的是,我们的技术还被运用于数不清的嵌入式解决方案中,比如一些最新推出的电子及无线电频率(RF)测试设备、地理信息系统、零售标牌、航空航天解决方案以及医疗设备。嵌入式计算是AMD产品组合与战略不可分割的一部分。在这一重点领域,我们开辟了全新的创新道路并以x86 AMD嵌入式G和R系列CPU、APU、系统级芯片(SoC)以及AMD嵌入式Radeon™图形处理器(GPU)取得了较大进展。
作为AMD长期技术合作伙伴的CoreAVI现如今宣布,波音为其下一代高性能航空电子座舱显示系统选用了AMD嵌入式技术。与CoreAVI一起,AMD嵌入式解决方案确保了关键任务视觉系统的全面运行,其中包括计算和图形处理器、多重独立3-D显示输出、以及H.264/MPEG2通用视频解码器,从而为飞机驾驶员提供技术一流的视觉显示系统。
当然,波音的这一选择让我们感到特别高兴。这是一个很好的例子,彰显了AMD嵌入式技术的卓越表现。同时,这跟我们嵌入式解决方案被使用的其他一些例子(即数字标牌、赌场和街机游戏机、便携式超声系统、DNA分析、视觉控制系统以及高级机器人)一起共同佐证了我们方法的正确性,那就是将嵌入式解决方案打造为一个不可抗拒的集成产品组合。可以这么说,我们的技术几乎是无所不在的。
航空电子是当今飞行系统的核心,而这些系统的复杂程度特别高。因此,这一案例很好地彰显了AMD的嵌入式价值主张。AMD嵌入式解决方案进行了优化处理,能够很好的应对诸如雷达处理、物体识别等任务所需的3-D绘图和图像处理、高速数据传输、以及大规模并行处理。此外,很多都特别适用于无风扇要求环境,比如座舱。在处理性能、耗电量以及散热之间取得最优平衡是至关重要的,因为这些属性的任何重大偏差都可能对整个座舱电子系统的性能带来负面影响。AMD嵌入式GPU有能力根据需要对性能进行上调或下调,从而提供更好的整体功耗可扩展性以及热控制。
近期推出的AMD Radeon™ E8860 GPU是向市场推出世界级嵌入式解决方案图形技术方面很好的一个例子。该GPU能够实现768 GFLOPS的精度浮点性能并对37瓦的热设计功耗(TDP)提供了支持,能够为座舱电子与显示系统等需要在不损伤能效的前提下,实现最高水平的图形清晰度和准确性的应用提供最优的效能功耗比。之所以能实现这一点,部分原因要归功于其大规模并行计算能力,这优化了数据处理路径,从而提升了实时视频和图形处理性能。
波音方面的这一消息是AMD嵌入式解决方案所提供价值的最新例子。今年,随着更多x86和ARM新处理器的推出,这一势头必将继续增强。
Kamal Khouri博士目前担任AMD嵌入式解决方案部门产品总监一职,主要负责产品、软件、合作伙伴管理以及产品营销事务。此前,Khouri博士曾在AMD技术与工程部门担任工程总监,负责全球IP设计业务。
在加盟AMD之前,Khouri博士曾在飞思卡尔半导体公司(原摩托罗拉半导体公司)工作10多年,期间曾担任过多种设计和领导职务,主要负责网络和通信业务领域,最后Khouri博士担任的是飞思卡尔网络事业部软件产品与合作关系事务高级经理一职。
Khouri博士曾获得普林斯顿大学计算机工程专业博士学位和硕士学位,以及巴克内尔大学电气工程专业理科学士学位。此外,他还拥有30多项主要科研成果与专利。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。