在推出首批10纳米芯片两个月之后,英特尔于今天推出了Tremont系列CPU,进一步扩大的用户的选择。
Tremont是一款优先考虑效率而不是性能的低功耗系统,主要面向硬件合作伙伴的移动设备、物联网小工具以及某些数据中心硬件例如网络系统。
Tremont芯片家族发布的首批产品之一,是微软数周前发布的Windows双屏平板电脑Surface Neo。英特尔表示,Tremont将在取得成功的上一代Goldmont Plus处理器系列基础上带来重大改进。英特尔称,Tremont芯片的单线程性能提高多达30%,而且电源效率更高。
其中一部分性能提升来自于该季度CPU内置了升级的分支预测机制。该技术让处理器可以查看操作的可能结果,猜测最可能的结果,并预先执行部分计算,从而加快任务的执行。
Tremont另外一个亮点是支持英特尔Foveros技术。Foveros可以将多种类型的芯片组合在一个模片上,从而将组件混搭到高度专业化的处理器中。微软Neo平板电脑就是将Tremont芯片与基于Ice Lake架构的处理内核结合在一起。
Tremont系列首席架构师Stephen Robinson表示:“Tremont是迄今为止英特尔最先进的低功耗x86架构,我们专注于各种现代的复杂的工作负载,同时考虑了网络、客户端、浏览器和电池,以便我们可以有效地全面提高性能。”
Tremont瞄准的是一个艰难的市场。英特尔竞争对手Arm的处理器设计主导了移动领域,并且覆盖了从智能家电到无人机的数百万个其他低功耗系统。Arm在本周早些时候发布了一系列新的移动芯片,其中包括两款专门针对运行机器学习模型而优化的神经处理单元。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。