昨日,题为“Shaping the Connected World”的2015 ARM年度技术论坛登陆北京。在媒体见面会上,ARM处理器部门经理James McNiven、ARM处理器部门市场营销总监Ian Smythe、ARM多媒体处理器事业部市场营销副总裁Dennis Laudick以及ARM物联网部门产品战略总监Paul Bakker悉数出席,阐述了ARM全球移动计算产业的愿景与布局,以及ARM如何支持更便捷的SoC设计,并提升智能硬件的安全性,创造可扩展并安全的物联网世界。
进军移动与嵌入式市场
ARM首先介绍了11约11日发布的全新Cortex-A35处理器,基于ARMv8-A架构的CPU首款产品。它不仅继承了Cortex-A7功耗与效率和体积小巧的特点,还具有32位与64位运算能力以及完整的加密能力。
James McNiven表示,迄今已有超过10亿智能手机和平板计算采用Cortex-A7,Cortex-A35作为目前最高效的64位移动处理器,可以为用户提供无与伦比的64位移动用户体验。
盯上可穿戴与物联网
十月底,ARM推出全新Mail 470图形处理器,为智能手表、家用网关和电器、工业控制面板以及医疗监视器等提供用户界面。
Mail是针对移动和设备的可授权GPU IP,也有超过10亿设备采用。它的特点是在相同工艺条件下,仅以一半的耗电量就能达到同样丰富的图形表现,满足用户对功耗的严苛要求。
Dennis Laudick表示,搭配低功耗的ARM Cortex-A7与Cortex-A53,可为功耗要求高的设备打造优化的SoC。
据悉,首款搭载此GPU的设备预计将于2016年底推出。
主流嵌入式SoC设计
物联网的市场与前景无限。ARM非常重视,发布了多款产品与技术。
近日,ARM提供免费的Cortex-M0处理器IP,以便进行商业化之前的SoC元件的设计、原型建模,而且设计人员可以通过ARM DesighStart门户网站获取这个打包服务。
James McNiven表示,这对于第一次采用ARM技术的公司带来极大的价值。他们能以高起点开始技术开发,加速开发速度并迅速开发具有商业可行性的解决方案。
据悉,开发者如果希望对其设计进行商业化量产,4万美金可以购买简化的、标准化的快速授权,里面包括Cortex-M0处理器IP、SDK和Keil MDK开发工具,同时还能获得ARM的技术支持。
安全、安全,还是安全
如何确保智能嵌入式设备的安全?ARM v8-M架构的推出将ARM TrustZone技术扩展到微处理器,将安全性延伸至硬件层,确保数据、固件和外设的安全性。
Paul Bakker表示,要进一步扩展物联网,需要解决三大难题。一是提高开发者能力,快速将产品推向市场;二是能简单地与云连接,并确保传输数据的安全;三是要有一个多样化的开发模式,丰富完整的生态系统。
编辑手记:物联网离不开ARM
研发半导体知识产权的ARM近几年非常火,去年宣布进入企业级市场很是让业内芯片大佬们不安。甚至英伟达高层都表示,在GPU领域,ARM的表现值得关注。这不仅反映出ARM的实力与强大,也彰显其众多的产品种类。
2015年第三季度,ARM营收达到3.76亿美金,基于它的芯片全球出货量超过750亿。其中,85%的智能移动设备与超过95%的智能手机都基于ARM架构。
移动计算技术的成熟加速了互联网的发展,智能硬件、智能嵌入式、物联网已经成为下一波科技热潮。相信ARM在这一波浪潮中做好了准备,接下来,好戏上场。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。