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发布ChatGPT Atlas AI浏览器,支持网页问答、历史查询和邮件改写等功能。同时曝光秘密项目Mercury,雇佣约100名前投行精英以每小时150美元训练AI金融模型。公司还因用户滥用Sora生成马丁·路德·金视频而暂停相关功能。此外,医疗AI搜索引擎OpenEvidence获2亿美元融资,估值60亿美元。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
随着Chrome和Safari主导浏览器市场,众多替代浏览器正在挑战这些行业巨头。本文梳理了当前顶级替代浏览器,包括AI驱动的浏览器如Perplexity的Comet、Arc公司的Dia、Opera的Neon和OpenAI的Atlas;注重隐私的浏览器如Brave、DuckDuckGo、Ladybird和Vivaldi;以及专注特定领域的浏览器如Opera Air和SigmaOS。这些浏览器通过AI集成、隐私保护、定制化和专注用户福祉等特色功能,为用户提供了多样化的浏览体验选择。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。