QNX 软件开发平台 8.0 面向未来世代最大化多核处理器性能
加拿大,滑铁卢 — 2023 年 5月19日 — BlackBerry(纽约证券交易所代码:BB;多伦多证券交易所代码:BB)近日宣布推出 QNX® 软件开发平台 (SDP) 8.0 早期访问版本,赋能汽车制造商和物联网系统开发人员以更低成本交付更强大的产品,同时保持QNX 技术一直以来所享有的卓越功能安全、网络安全和可靠性标准。
SDP 8.0搭载了全新下一代QNX®操作系统(OS),这是BlackBerry有史以来性能最高、满足功能安全和网络安全的嵌入式操作系统,旨在发挥汽车制造商和物联网系统开发人员为其产品配置的越来越多的多核处理器的性能潜力。得益于BlackBerry QNX在高性能边缘计算领域的领先 IP和独特经验,SDP 8.0在密集研发后得以问世。
新架构提供了巨大的性能提升,同时保持其作为满足功能安全及网络安全、符合POSIX标准、基于实时微内核操作系统的竞争优势。随着内核数的增加,新架构表现出了完美的1比1性能扩展性,这在商业实时操作系统中是前所未有的。随着下一代QNX操作系统的推出,客户如今可以充分挖掘下一代处理器的性能,并通过最大限度地利用可用的计算资源来降低总成本。在软件定义汽车的转型浪潮下,汽车制造商面临软件架构复杂性指数级上升的挑战,新操作系统对其无疑是一种福音。
QNX SDP 8.0 为下一代BlackBerry® QNX® 产品系列奠定了基础,包括下一代 QNX® OS for Safety、QNX® Hypervisor 和 QNX® Hypervisor for Safety。新技术赋能开发人员,可自由选择BlackBerry QNX 技术以满足其需求。
“汽车行业正在重新定义车载软件,” BlackBerry高级副总裁兼QNX负责人John Wall表示。“汽车架构正在向分模块、中央计算及软件定义汽车的最终形态过渡。SDP 8.0、QNX OS for Safety和QNX Hypervisor固有的至上而下的可扩展性,使其成为寻求全车一体化操作系统的汽车制造商的必然选择。”
BlackBerry 正在与英伟达(NVIDIA)合作,在下一代 NVIDIA DRIVE Thor 中集成 QNX OS 微内核。该平台提供 2000 TFLOPS 性能,并将自动驾驶与人工智能座舱集成于单一的中央计算平台。
英伟达汽车业务副总裁Ali Kani 表示:“DRIVE Thor 集中式计算平台和全新 QNX OS 的结合,将为OEM 厂商构建下一代汽车系统打下坚实的基础,以提供最高水平的功能安全性与网络安全。这是英伟达与 BlackBerry QNX 近20年合作的又一重要里程碑,将帮助双方跻身汽车行业的前沿。”
全球领先的汽车技术研究和咨询公司SBD Automotive的总监 Alex Oyler表示:“到2032年,全球预计将有超过 3 亿辆能够进行移动软件升级的汽车,汽车制造商迫切需要更好的工具来帮助他们开发软件定义汽车中极具吸引力的技术功能。设计安全的操作系统与高性能芯片上的其他组件无缝集成,是功能安全、网络安全和无缝驾驶体验的基础。汽车制造商和供应商依赖已验证的软件和良好集成的开发工具,以助力其更高效地构建并维护车队的差异化软件。”
QNX SDP 8.0 的早期访问版本现已提供验证和产品开发。正式发布时间预计将在 2023年晚些时候。
欲了解更多关于BlackBerry QNX 嵌入式系统产品和工程服务的信息,以及申请早期访问QNX SDP 8.0,访问 BlackBerry.QNX.com/SDP8EA。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。