6月18日,第十四届“中国•海峡项目成果交易会”在福州隆重开幕,担当起“双创”大舞台的新角色。一年一度的“6.18”已成为大力推进自主创新,引导高校和科研机构科技创新资源、成果与企业需求对接,推进科技成果向现实生产力转化,实现合作共赢的平台。作为福建省最大的项目交流盛会,吸引了逾4000家来自海内外知名企业、科研院所参加。
第十四届“中国•海峡项目成果交易会”在福州隆重开幕
2016中国(福建)VR产业/大数据发展高峰论坛
作为VR领域上游的芯片及系统提供商,AMD受邀参加了本届大会。AMD大中华区市场营销副总裁纪朝晖作为嘉宾出席了大会期间的“2016中国(福建)VR产业/大数据发展高峰论坛”,发表了精彩演讲,向众多参会者详细介绍了VR发展历程和机遇,以及AMD在VR领域的优势产品和技术。
AMD大中华区市场营销副总裁纪朝晖
纪朝晖表示,VR将人们带入到了个人计算的第三个浪潮。“现在大家越来越重视体验,我们已经进入了‘沉浸式’的时代,也就是VR时代。VR是自显示器发明以来最重要的一次人机交互革命,将引发未来10年‘感知计算’的创新浪潮,最终彻底改变人和大数据、互联网的交流方式。”
“这种‘沉浸式’的体验跟看3D电影完全不一样,它会让你完全浸入其中,这就对图形的计算能力、后端的显卡芯片技术要求非常高,需要更高性能的显卡”,纪朝晖说,“目前世界上能够真正运行VR的PC主机比例不足1%,而已经来临的‘沉浸式’计算时代对GPU计算能力的要求比当前高100万倍”。在不久前的Computex和E3大展上,AMD分别展示了基于全新北极星架构和14nm FinFET工艺的Radeon RX系列全新产品。北极星架构独家支持异步计算,为VR应用提供卓越体验。
AMD在VR领域深耕不辍,推出了一系列强大的VR解决方案:支持VR的高性能显卡Radeon R9 Fury X/Fury,Radeon R9 Nano,Radeon R9 390X/390等;为VR内容创作者推出了应用开发平台LiquidTM VR API,这一平台让开发者非常容易上手开发VR应用。此外,AMD还积极与HTC等全球顶级厂商成立VR产业联盟,共同推动VR产业发展。纪朝晖称,这些也是AMD致力于在VR领域做好的三件事。
在此基础上,AMD还大力推动将VR应用到其他领域,如与美联社开启战略合作,联合开创全新的虚拟现实体验频道。目前AMD在VR领域的努力已见成效,根据市场调研机构JPR的统计数据,基于AMD平台的VR娱乐系统将占据潜在市场的83%。
本届大会上,AMD还为参会者带来了一场至真至幻的VR 盛宴。在精心布置的VR展台上,AMD技术产品支持下的沉浸感VR游戏,让参会者大呼过瘾。
跋文:作为行业领先的跨国企业,AMD不仅在产品和技术研发上走在前列,还非常重视企业社会责任。在近日发布的AMD第二十一期年度企业责任报告里,详述了AMD在社会责任和环境保护方面的进展。正如纪朝晖在此次论坛中提到的,AMD一直致力于为环保节能贡献力量,最大限度提升产品能效,比如计划到2020年将其加速处理单元(APU)的能源效率提升25倍等的充满责任感的企业目标。
相信如纪朝晖所说,VR在未来将引领创新的浪潮,带领我们进入下一个全新的“沉浸式”时代。而作为核心的上游芯片及系统提供商,AMD已经在VR领域全面铺展开来,并与生态系统伙伴共同引领并推动VR产业的发展。
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。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
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。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。