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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。