ZDNet至顶网服务器频道 10月11日 新闻消息:AMD近日发布其近期和中期的计算解决方案路线图。这些解决方案同时挖掘x86和ARM生态系统的最佳特性,称为“双架构计算”。该路线图的里程碑意义在于发布了AMD的64位ARM架构授权,用于面向高增长市场之高性能核心的定制化开发。今日发布的内容还展望了AMD为实现真正独一无二的双架构计算和图形处理性能而制定的开发计划,通过共享的、具有灵活性的架构,使客户得以在嵌入式产品、服务器和客户端市场以及针对半定制化的解决方案开启全新的创新之路。
AMD公司总裁兼首席执行官罗瑞德先生称:“今天之前,AMD是世界上唯一一家能够提供高性能、低功耗x86运算核心,并搭载业界领先的图形显卡产品的公司。而今AMD大胆朝前迈进了一步,成为能够同时提供64位ARM和x86高性能CPU核心,并搭载全球领先的图形显卡产品的唯一一家公司。我们在双架构计算方面的创新设计能力,结合我们在高性能系统芯片方面掌握的专利库和专有知识,意味着AMD能够为客户带来独特的双架构解决方案,帮助客户以更高效和强大的方式去改变计算世界。”
预计到2017年,基于ARM和x86的处理器市场规模将超过850亿美元[ 基于AMD公司的内部测算。]。AMD是唯一一家能够提供差异化的解决方案,并有能力渗透到广阔市场的公司。同时,做为一家重要的处理器供应商,开创一条知识产权通道,允许他人利用ARM和x86生态系统进行创新,这在业界尚属首次。
AMD的双架构计算路线图包括:
“空中之桥(SkyBridge)项目”—— 该设计框架将于2015年推出,包含20纳米制程的新的APU和系统芯片的产品系列。这预计将成为世界上首批插脚兼容的ARM和x86处理器。其中,“空中之桥项目”中的64位ARM处理器将基于ARM Cortex-A57核心,并且将是AMD首个针对安卓系统推出的“异构系统架构”(HSA)平台,而x86款处理器将带有下一代的“Puma+”CPU核心。“空中之桥项目”系列产品的特点是完整的系统芯片集成、AMD的“次世代图形架构”(GCN)技术、HSA和通过专用的“平台安全处理器”(PSP)实现的AMD安全技术。
“K12”—— 新的基于ARM的高性能、低功耗的核心。它深度利用了AMD的ARM架构授权、多方面的64位设计专长以及由半导体架构师Jim Keller带领的核心开发团队。基于“K12”核心的首批产品计划将于2016年推出。
ARM公司首席执行官Simon Segars称:“ARM致力于合作的对象来自世界各地。从传感器到服务器,它们为用户体验带来变革和转变。AMD具备的市场覆盖以及在客户端与服务器市场引领业界向64位运算转变的成功经验,配合ARM的低功耗专长和服务器基础架构(SBSA)规范,将会在多个高增长市场带来新的能力,推动新的创新。”
AMD今日还首次向公众演示了基于ARM,代号为“西雅图”的64位AMD皓龙 A系列处理器,运行环境为从开源协作项目Fedora派生而来的 Linux系统。Fedora项目为红帽(Red Hat)公司资助的,由社区主导的Linux系统发布。它为全世界的开发人员和IT管理人员提供了熟悉的企业级的操作系统。基于Fedora项目的Linux运行环境,可以让公司用户在向基于ARM的服务器迁移的同时,无需在其IT环境中集成全新的工具和软件平台。上述演示意味着64位ARM超高效处理器扩大在数据中心的应用方面迈出了重大的一步。
好文章,需要你的鼓励
英超联赛与微软达成五年合作协议,将在官方应用中推出AI虚拟助手Premier League Companion。该工具基于Azure OpenAI技术,能回答球迷关于球员数据、比赛分析等问题,提供个性化内容推荐。这一举措旨在让球迷更多使用官方应用,同时为联赛获取更好的用户数据。全球体育联赛正掀起AI技术竞赛,通过智能工具增强球迷互动体验。
Skywork AI团队通过创新的人机协作数据处理方法,构建了史上最大规模的高质量偏好数据集SynPref-40M,训练出Skywork-Reward-V2系列模型。该系列在七项主要测试中全面超越现有最佳模型,证明了数据质量胜过算法复杂度的重要原理,为AI更好理解人类偏好开辟了新道路。
瑞典AI初创公司Lovable正在进行新一轮超1.5亿美元的融资,估值接近20亿美元。该公司专注于"氛围编程"领域,仅在今年2月完成1500万美元融资后数月就迎来估值大幅跃升。Lovable可通过文本提示构建完整网页应用,包括前端界面和数据库连接。公司去年11月发布产品,CEO称六个月内年经常性收入达5000万美元。近期还推出AI代理测试版,可自动执行代码编辑和调试等任务,采用基于使用量的收费模式。
Meta研究团队发明了一种革命性的"三人舞"注意力机制,突破了传统AI只能处理两元关系的局限。这种新方法让AI能够同时分析三个元素间的复杂关系,在数学推理、编程和逻辑分析等任务上表现显著提升。更重要的是,新方法改变了AI的学习规律,能够用更少的数据获得更好的效果,为数据稀缺时代的AI发展指明了新方向。