今年315,人脸识别系统问题曝光,在我们震惊上亿人脸信息被窃取遭泄露的同时,也看到在合法、合规的前提下,企业业务数字化、智能化发展巨大应用前景。如何做到合法合规?首先,信息采集需征得所有者同意,其次采集信息需在边缘及时处理甚至加密,从而避免被第三方非法获取。这就对物联网设备的数据采集提出了更高的要求。
因此,自适应计算企业赛灵思( NASDAQ: XLNX )宣布面向市场扩展其 UltraScale+ 产品组合,以支持需要超紧凑及智能边缘解决方案的新型应用。新款 Artix 和 Zynq UltraScale+ 器件的外形尺寸较传统芯片封装缩小了70%,能够满足工业、视觉、医疗、广播、消费、汽车和互联市场等更广泛的应用领域。
作为全球唯一基于16纳米技术的成本优化型产品组合,UltraScale+ 器件采用台积电最先进的InFO(Integrated Fan Out,集成扇出)封装技术。借助InFO技术,UltraScale+ 器件能以紧凑的封装提供高计算密度、出色的性能功耗比以及可扩展性,从而应对智能边缘应用的需求。
赛灵思产品线管理与营销高级总监 Sumit Shah 表示:“对紧凑型智能边缘应用的需求正推升对处理和带宽引擎的需求。这些引擎不仅要提供更高的性能,还要提供更高级别的计算密度,以支持最小尺寸的系统。UltraScale+ 系列的新款成本优化型产品分别是专为高 I/O 带宽和 DSP 计算而打造的Artix UltraScale+ FPGA;专为功耗和成本而优化的Zynq UltraScale+ MPSoC;可扩展且安全的 Artix和 Zynq UltraScale+。
Artix UltraScale+ FPGA:专为高 I/O 带宽和 DSP 计算而打造
Artix UltraScale+系列基于业经生产验证的FPGA架构,是一系列应用的理想选择。例如,搭载高级传感器技术的机器视觉、高速互联以及超紧凑“8K 就绪”视频广播。Artix UltraScale+ 器件提供了每秒 16Gb 的收发器,可以支持互联、视觉和视频领域的新兴高端协议,与此同时还能实现同类最佳的 DSP 计算功能。
Zynq UltraScale+ MPSoC:专为功耗和成本而优化
成本优化Zynq UltraScale+ MPSoC 针对边缘连接及工业和医疗物联网系统所设计,包括嵌入式视觉摄像头、AV-over-IP 4K和8K 就绪流媒体、手持测试设备,以及消费和医疗应用等。并采用基于异构 Arm 处理器的多核处理器子系统,同时还能迁移至普通封装尺寸以支持更高算力。
可扩展且安全的 Artix和 Zynq UltraScale+
安全性是赛灵思设计中的关键组成部分。此次推出的成本优化型 Artix 和 Zynq UltraScale+ 系列的新款器件都具备同样健全的安全功能,包括 RSA-4096 认证、AES-CGM 解密、数据保护法( DPA ),以及赛灵思专有的 Security Monitor (SecMon,安全监测)IP,能够灵活应对产品生命周期中的安全威胁,满足商业项目的各种安全需求。
正是由于赛思灵 UltraScale+ 系列新款器件向用户提供出高性能、高带宽、低功能、高安全等诸多特性,极大促进了企业数字化转型的顺利进行,就好像 LUCID Vision Labs 创始人兼总裁 Rod Barman 所说的:“LUCID 与赛灵思紧密协作,将新款 UltraScale+ ZU3 集成到我们的下一代工业机器视觉摄像头 Triton™ Edge 中。借助 UltraScale+ ZU3 及其 InFO 封装,LUCID 能利用创新的软硬结合板(rigid-flex board)架构,将惊人的处理能力压缩于工厂级坚固的超紧凑 IP67 摄像头中。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。