ZDNet至顶网服务器频道 10月10日 新闻消息:2014年红帽峰会——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
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。