ZDNet至顶网服务器频道 04月08日 新闻消息:为解决越来越多的移动互联网业务所带来的日益突出的功耗问题,英特尔公司在今天举办的深圳英特尔信息技术峰会(Intel Developer Forum,IDF2015)上,携中国移动举办了主题为“携手绿色软件,共创应用无限”的媒体沟通会,分析了影响能耗的关键因素,全面介绍了开发绿色业务的相关知识,并提出减少能耗问题的办法。
在当今社会,智能手机和平板电脑已经成为人们日常生活中不可或缺的一部分。移动设备上的视频播放、游戏、收发邮件,手机拍照以及社交网络等应用已经占据了人们的大部分时间。同时,随着移动网络和智能手机发展的繁荣,各种各样的安卓、iOS应用程序也已经处于一个无休止的更新状态。知名咨询机构IDC预计,2015年中国智能手机出货量将接近5亿,达到美国的3倍。
随着消费者越来越多地依赖他们的智能手机和应用,他们对设备的期待也与日俱增,尤其是在用户体验方面。软件开发商、硬件厂商和通信运营商都在经历着为消费者提供出色的用户体验和越来越高的用户需求所带来的巨大挑战。然而不论是对智能手机还是平板电脑,用户都有一个普遍期待:延长设备的待机时间。
纵观手机硬件设备的发展,电池容量在不断地增加,而手机平均使用时长却没有得到明显的增长。究其原因,除了因为性能的提升,硬件平台会更加耗电外,应用程序复杂,以及不好的编程习惯带来的软件功耗问题也是根本因素。所以,要解决电池电量问题,提升用户体验,亟需找到降低应用功耗的方法。
快速增长的移动互联网业务产生的数据流量及信令也给运营商网络带来了巨大的压力。以中国移动为例,截止2014年,移动数据流量增长率已经达到115.05%。据思科发布的预测,2019年移动数据流量将达到2014年的10倍,在可见的未来移动应用将给无线网络带来巨大挑战,业界已开始重新思考无线网络如何应对移动互联网的爆发,同时应用软件也应当更加合理的使用网络资源进行数据传输。
面对应用行为对于客户端与服务器端能效的影响以及对于网络流量与信令的影响,中国移动与英特尔将共同制订绿色业务在英特尔架构下的开发指南,包括功耗与性能的联合优化,以及从客户端、通信网络到服务器的端到端优化;共同开发基于英特尔架构的自动化功耗分析工具,包括数据采集模块、自动测试框架和脚本、能效评价模块等;并希望将自动化功耗分析方法纳入中国移动业务平台的测试中体系,评估使用相关分析工具对中国移动业务平台中的应用进行功耗评级的技术可行性。
英特尔公司软件与服务事业部副总裁,合作伙伴关系部总监周丽芳表示:“为了让用户得到更好的体验,我们相信一个绿色的软件不应该只是在功能上具有完整性、稳定性以及吸引力,更应该是在应用程序功耗上具有绝对优势,延长智能设备待机时间以及降低设备所产生的热量。英特尔将和中国移动一起建立一个绿色社区,帮助整个行业深入了解终端、电池、网络及应用程序之间的关系,引领软件开发人员使用更高效,更友好的发展模式,共同宣传绿色软件的开发理念。”
中国移动首席科学家易芝玲博士表示:“中国移动在2011年10月成立了绿色通信研究中心,绿色业务的分析和优化正是中心重要研究方向之一。移动互联网改变了整个产业环境,海量的应用软件也给传统的运营商网络带来了巨大的挑战,指导开发者编写绿色高效的软件能够使整个云管端的资源得到有效利用。英特尔可以帮助我们研究业务能效的提升方法,更快地实现绿色业务与智能网络的和谐发展,并向整个软件行业和最终用户传播绿色应用的理念。”
好文章,需要你的鼓励
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
这项来自KU Leuven、中科大和上海Memory Tensor公司的研究探索了如何利用拼图游戏训练多模态大型语言模型的视觉推理能力。研究发现,现有模型在未经训练时表现近似随机猜测,但通过强化学习能达到近乎完美的准确率并泛化到更复杂的拼图配置。有趣的是,模型能否有效学习与是否包含明确推理过程无关,且复杂推理模式是预先存在而非突然出现的。此外,研究证明强化学习在泛化能力上优于监督微调,挑战了传统的模型训练范式。这些发现不仅揭示了AI视觉理解的机制,还为未来多模态模型研发提供了重要参考。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
这项研究提出了LoHoVLA,一种用于长时序实体任务的统一视觉-语言-动作模型,融合了高层任务规划和低层动作控制功能。与传统方法不同,它利用单一预训练视觉语言模型同时生成语言子任务和机器人动作,并采用分层闭环控制机制增强鲁棒性。研究团队构建了包含20个长时序任务的LoHoSet数据集,实验结果显示LoHoVLA在Ravens模拟器中显著优于现有方法,展现出统一架构在实现可泛化实体智能方面的潜力。