ZDNet至顶网服务器频道 06月18日 新闻消息:2015年6月16日,主题为“数据智能,跨界互联”的第十三届中国国际软件和信息服务交易会(China International Software & Information Service Fair 2015)于大连世界博览广场盛大开幕。设计并集成尖端技术的半导体行业巨头AMD公司与众多行业领先企业共襄盛举,众多知名IT企业、知名研究咨询机构高管以及业界知名演讲嘉宾等做了精彩演讲。
AMD全球副总裁、中国研发中心总经理李新荣(Allen Lee)先生应大会主办方盛情邀请,发表了题为“卓越的图形处理缔造智能互联世界”的主题演讲,同与会嘉宾及媒体分享了AMD如何将GPU的应用范围超越图形处理领域,扩展到图片处理、语音识别、深度神经网络,及以大数据分析为代表的高性能计算应用当中。
AMD全球副总裁、中国研发中心总经理李新荣先生在CISIS大会上做主题演讲
如今在全球范围内,无论是面向教育、医疗、虚拟社交、游戏娱乐还是硬创团队,虚拟现实技术都是一个炙手可热的话题。作为在GPU图形显示领域颇具领先技术优势的企业,AMD一直非常看重这一领域,也在为未来的娱乐体验进行研发投入。AMD全球副总裁、中国研发中心总经理李新荣表示:“随着屏幕的增加和分辨率的提高,用户快速适应了应用于游戏和其他领域中的虚拟现实技术,可想而知数十亿个传感器同时运行会产生越来越多的数据,因此单靠CPU已经不能满足日渐增大的需求。AMD作为目前业内唯一一家可以同时提供高性能CPU和GPU技术的半导体公司,不仅专注于提供差异化技术,同时也特别重视软件业务,最终做到为市场带来整体解决方案。”
此前,AMD在纽约召开的分析师大会(Financial Analyst Day)上发布了未来几年发展战略的详细内容,这一战略旨在为游戏、临境感平台和数据中心等主要领域提供新一代技术,通过高性能、差异化产品来提高整体盈利能力。AMD总裁兼首席执行官苏姿丰博士(Dr. Lisa Su)在会上也曾提到:“我们发现,在高性能计算和可视化方面丰富的市场领域中,有着强劲的、长期的发展机遇,只有AMD能为二者提供技术能力。我们针对最具潜力的机遇增加投资,助力客户打造出更伟大的产品,变不可能为可能,从而实现AMD在未来的盈利增长。”
众所周知,虚拟现实技术给我们带来梦幻般临境感体验的同时,对显卡等硬件的要求极高。对于一家同时拥有高性能运算以及强大图形处理能力的企业来说,AMD的显卡多年来一直备受游戏玩家和网吧业主等人群的青睐。此外,在日前召开的分析师大会上,AMD曾透露在下一代显卡上将首次使用革命性的高带宽显存(HBM)技术,再配合上AMD独有的FreeSync、LiquidVR与4K技术,将为游戏玩家、网吧业主带来卓越的使用体验及解决方案。
6月初在台北国际电脑展(computex)上,AMD发布了代号为“Carrizo”的全球首款使用系统级芯片(SoC)设计的第六代A系列高性能加速处理器(APU)。据悉,AMD近期还将在美国太平洋时间6月16日的E3展会上发布全新一代显卡产品,为显卡市场注入新的活力。作为一个同时提供高性能CPU和GPU技术的半导体公司,AMD目前多产品线组合拳策略惊喜不断。未来,AMD势必将凭借高性能运算以及卓越的图形处理技术为我们缔造全新的智能互联世界。
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。