ZD至顶网服务器频道 10月22日 编译:近日芯片设计厂商ARM发布了最新的业绩结果,从数据来看这一季度又是一个增长的季度,营收同比成长17%,达3.755亿美元(23.8448亿人民币),而第3季度的税前利润同比增长27%,达12.5814亿人民币。
总部设在英国剑桥的ARM今年似乎会创纪录,之前第2季度获得了大丰收,7月发布的收入和利润分别实现同比22%和32%的增长。
但这却也未能阻止公司的股价受苹果公司(此家公司的命运与ARM的命运紧密相连)拖累而出现“令人失望”的结果。因此,ARM似乎急于想摆脱对智能手机市场的依赖。
ARM公司已经排出新的芯片阵容,昨天公布了旗下的Mali-470处理器,目标是“可携带”和“物联网”(IoT)市场。
ARM还加强了提供物联网解决方案的能力,今年上半年收购了以色列的物联网公司的Sansa,上个月又签订协议加入IBM的物联网基金会。
ARM首席高管Simon Segars称,ARM公司设计的芯片可用于“广泛范畴内的设备”,包括智能手机、企业设备(如基站和服务器)以及消费类电子产品(如数字电视)。
他表示,“ARM技术在产品方面和市场上的部署日益多元化,从构成物联网的、无处不在的传感器到高能效智能手机到高性能服务器等等。”
服务器基准检验ScaleMark首次亮相于 ARM活动
据美国加州圣何塞消息,新的数据中心服务器基准检验ScaleMark将在下个月召开的ARM技术大会上亮相,ScaleMark的目标是利用工作负载提供独立于处理器的性能指标。
ARM的这一步与其打入服务器市场的计划有关。ARM推出打入服务器市场的计划后引起关注,多家公司开始已经有设计产品发货。高通上个月宣布了自己的计划,一家中国启动公司8月份提出了积极的计划,Broadcom预计会在该次的ARM会上推出备受期待的SoC。
嵌入式微处理器基准协会(EEMBC)主席Markus Levy 表示,“传统的基准检验不利于横向扩展的服务器。“ScaleMark是EEMBC截至目前为止在系统测试层次上走出的最大一步。
Lecy表示,诸如Spec一类的基准检测的重点放在缓存性能上,没有考虑硬盘运作的影响,而硬盘运作是影响数据中心性能的一个重要因素。而诸如Cloud Suite 和Google Perf Kit的系统层次测试对很多应用程序有效,但不能提供可重复的结果。
EEMBC表示,当前的基准检测在有些方面给出前后不一的的结果,ScaleMark现已进入Beta测试阶段,将于11月推出,开始时只含一个Memcached测试和一个用于流媒体的测试。这两个测试都是基于有章可循的实际数据中心应用程序的配置,且可以进行自动安装。Memcached应用程序用到的数值源于Facebook的应用个案,流媒体应用程序是自家版本,其作用是复制诸如Netflix或YouTube的内部代码。
ARM、Cavium、Imagination科技公司和英特尔一年前开始打造ScaleMark,Levy表示,“我们正在讨论下一代的事情,但还没有着落。”
对于从请求到访问延迟不超过10毫秒的系统,ScaleMark会给出数据吞吐量。因此,假如技术人员想在基于x86的服务器和基于ARM的服务器之间做比较的话,ScaleMark也说不出个究竟来。
Levy称,“必须考虑性能数字以外的东西,要评估系统的价格和功耗”才能有一个完整的评估。他表示,“大家作比较时必须苹果比苹果,举个例子,不可以拿10,000美元的英特尔系统和1,000美元的Cavium系统相比。”
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
罗切斯特理工学院和美国陆军研究实验室的研究团队开发了一种突破性的无源域适应方法,通过混搭拼图增强技术和置信度-边界加权策略,使AI模型能在没有原始训练数据的情况下适应新环境。该方法在三个主要基准数据集上取得显著成果,特别是在PACS数据集上准确率提升了7.3%,为AI系统在隐私保护、安全限制等现实场景中的应用提供了新解决方案。
这篇论文介绍了R1-Code-Interpreter,一种通过有监督学习和强化学习训练大型语言模型进行代码推理的新方法。研究团队收集了144个推理和规划任务,利用多轮训练教会模型自主决定何时使用文本推理或生成代码。最终的14B模型在测试集上将准确率从44.0%提高到64.1%,超过纯文本GPT-4o并接近带Code Interpreter的GPT-4o。研究揭示了SFT阶段的关键作用,并发现模型展现出自发的自我检查行为,为开源模型提供了与商业模型竞争的代码解释器能力。