ZDNet至顶网服务器频道 04月09日 新闻消息:深圳英特尔信息技术峰会(Intel Developer Forum,IDF2015)进入了第二天的日程,英特尔于今日发布了英特尔® 固件引擎(Intel® Firmware Engine)。旨在简化固件的开发过程,并根据不同平台的特性定制其固件功能,为用户提供一个问题少、成本低、耗时短的高效解决方案。
当一个企业的最新产品需要固件时,通常有两方法可以解决:其一,使用参考设计,包括基于统一可扩展固件接口(Unified Extensible Firmware Interface,UEFI)的启动固件,但用户不能原封不动的使用它,因为它并非为企业平台量身定制。用户不能进行自定义更改它的二进制文件,也没有源代码进行定制;其二,企业可以选择从头开始构建,但如果企业没有固件开发的经验,就会面对一个陡峭的学习曲线,这就意味着要增加时间和预算外的成本。要如何保证产品能够准时、在预算内、按规格地进行生产,就需要一个好的方法来解决固件问题。
英特尔® 固件引擎是一款免费的图形化工具,用以简化和加速平台固件镜像的创建,帮助用户快速开发系统固件,并采用全新的纯二进制方法,加速初始化硬件平台以及启动Microsoft* Windows, Android* 和 Linux* 等操作系统所必需的基础软件的创建过程。
英特尔公司副总裁兼软件与服务事业部系统技术和优化部门总经理Michael Greene表示:“英特尔固件引擎允许开发者基于英特尔架构的参考设计快速部署其平台固件,用户可以简单地从相互兼容的组件库中选取所需功能并进行参数配置,构建种类齐全且相互兼容的组件库,且无需修改任何源代码。”
用户可以通过图形化界面对固件进行快速配置和定制,方便地配置或删除参考设计平台中已有的固件组件,添加参考设计平台中未提供的第三方固件组件,并整合用户自定义的启动有效负载。这个过程很简单:首先,从已验证的英特尔二进制组件和英特尔设计的参考平台开始,然后使用英特尔图形界面来修改参考设计,为平台构建UEFI固件。这样,可以用更短的时间获得基于标准的固件,降低成本和出错率。
另外,英特尔固件引擎报告生成器有助于安排用户的项目,为已创建的固件总结功能和设定;高级用户还可以将UEFI应用和驱动程序添加至固件镜像,英特尔固件引擎能为任何支持UEFI启动的操作系统生成固件,并支持广泛的英特尔技术,包括基于英特尔® 凌动TM 处理器的系统。凭借英特尔固件引擎,用户可以比以往更加快速、轻松地创建丰富的可自定义固件。这就意味着,产品能够以更低成本、更快速地上市。
英特尔固件引擎主要关注于使用英特尔® 凌动TM 和英特尔® 夸克TM 处理器的物联网(loT)边缘设备、嵌入式设备、平板电脑,以及中国技术生态系统(CTE)合作伙伴,还能够为基于英特尔参考设计的平台提供基本的固件需求。开发人员可以使用英特尔® 固件引擎软件开发工具包(Intel® Firmware Engine SDK)来扩展功能及现有的英特尔® UDK2014代码。芯片组件供应商和固件开发人员还可以利用UEFI驱动源代码,快速扩大英特尔固件引擎生态系统。
英特尔亚太研发有限公司平台软件架构部总监卢炬表示:“英特尔固件引擎提供了一个完整的固件解决方案平台,在生成标准固件时,并不需要开发人员对固件的底层了解的非常清楚,并提供一个软件开发工具包,帮助用户开发新的功能。大大降低了开发的复杂性。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。