GlobalFoundries无限期叫停7nm芯片计划。
首席执行官Tom Caulfield表示,7nm芯片工厂的资源(包括研发重组)将转移到14nm和12nm FinFET研发上,他称这一块是GlobalFoundries大部分芯片客户的关注点。
Caulfield在宣布这一举措时表示,业界公司似乎对计划中的7nm架构并不感兴趣。这些公司都计划继续使用当前的架构及通过其他方式最大限度地提高性能。
Caulfield称,“绝大多数无晶圆厂客户现在希望的是从每一代技术中获得更多价值,以充分利用从设计到每个技术节点所需的大量投资。”
他表示,“这些节点实质上正在向设计平台过渡,设计平台可为多个应用程序提供服务,从而为每个节点提供更长的使用寿命期。”
AMD转用台积电
AMD其间宣布将使用台湾芯片巨头台积电处理旗下的7nm业务。AMD计划将旗下下一代CPU和GPU产品线转向7nm,GlobalFoundries曾一度被认为是其首选晶圆厂之一。现在,这一光荣的任务将转给台积电(TSMC)。
AMD的7nm芯片的推出颇为重要,原因是成功的部署可以令AMD在这一领域胜过英特尔;英特尔目前正在努力部署旗下下一代10nm产品线的运行。
AMD称此举不会影响其产品路线图,预计首批7纳米GPU将于今年秋季出厂,7纳米CPU准备于2019年上市。
AMD也并没有完全切掉与其前子公司的联系。 GlobalFoundries将继续制造AMD的14nm和12nm芯片,包括在过去一年里推动AMD收复市场的Ryzen、Radeon和Epyc产品线。
另据悉,AMD高层人事出现变动。
计算和图形业务集团总经理兼高级副总裁Jim Anderson准备离任,将在一周多以后的9月4日出任边缘计算专家公司Lattice Semiconductor的首席执行官。
Anderson的职责至少有一部分将由Saeid Moshkelani承担,Moshkelani已被晋升为客户计算集团的高级副总裁兼总经理。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。