Altera今天分享了即将推出的Agilex 3系列芯片的新细节,该系列芯片经过优化,可以支持联网设备和工厂自动化系统。
英特尔在今年二月首次预览了该处理器系列以及其他一些即将推出的产品。在硬件发布的同时,Altera 的公司结构也发生了变化。
Agilex 3产品系列包括名为现场可编程门阵列(FPGA)的专用处理器。在标准处理器中,每组电路都针对特定任务进行了优化,无法适用于其他计算。相比之下,FPGA包含可编程电路,开发人员可以针对各种任务进行配置。
这种芯片的可定制性使其在某些情况下能提供比标准处理器更好的性能。如果一家公司计划在 FPGA 上运行人工智能模型,它可以针对机器学习任务优化模块的可编程电路。与较少针对人工智能优化电路的现成芯片相比,这种配置将使模块运行模型的速度更快。
针对公司的目标用例从头开始开发处理器,可以带来更大的性能提升。然而,对于许多硬件项目来说,设计定制硅片的成本过高。如果开发完全定制的芯片不切实际,但公司仍需要针对特定用例量身定制的处理器,FGPA 就能派上用场。
Agilex 3系列中的FPGA面向的是功耗优先于性能的系统。英特尔认为这些芯片可用于联网设备、工业机器人和自动驾驶汽车等产品。
这家芯片制造商今天透露,Agilex 3系列的性能比上一代 FPGA高出1.9倍。该系列中的每个芯片都包含25,000至135,000个逻辑元件,这些元件是FPGA的组成部分,用户可针对特定任务对其进行配置。Agilex 3处理器还包含无法重新编程的电路,其中最引人注目的是基于Arm Holdings plc设计的双核中央处理单元。
FPGA系列的核心处理模块由许多其他组件提供支持。收发器可以每秒12.5千兆比特的速度处理多媒体文件。此外,英特尔还增加了对LPDDR4内存的支持,这种内存比服务器中使用的内存速度更慢,但功耗更低。
此外,还有一系列新的网络安全功能。为了防止黑客访问Agilex 3芯片处理的数据,英特尔增加了加密机制和验证用户请求的认证功能。该公司表示,其即将推出的FPGA还能检测到篡改(tempering)企图。
除了Agilex 3功能集,英特尔今天还预览了即将发布的Quartus Prime Pro 软件,该软件用于定制FPGA。新发布的软件支持Agilex 5,这是英特尔公司今年2月与 Agilex 3系列同时推出的芯片系列。它基于10纳米节点,每瓦性能比竞争对手的某些处理器高 60%。
Altera公司首席执行官Sandra Rivera表示:“通过与我们的生态系统和分销合作伙伴密切合作,Altera公司将继续致力于提供基于FPGA的解决方案,为创新者提供易于设计和部署的尖端可编程技术。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。