AMD (Advanced Micro Devices) 宣布推出第五代 AMD Epyc 嵌入式处理器,扩展其 x86 嵌入式处理器产品线。
AMD Epyc Embedded 9005 系列 CPU 针对嵌入式市场进行了优化,在计算能力与专门设计的嵌入式特性之间实现平衡,增强产品寿命、系统弹性和嵌入式应用开发的便利性。
这些处理器采用成熟的 Zen 5 架构,提供领先的性能和能效,使网络、存储和工业边缘系统能够更快速、更高效地处理更多数据。
AMD 自适应和嵌入式计算高级副总裁 Salil Raje 在声明中表示:"AI 驱动的网络流量、激增的数据存储需求以及工业边缘计算的扩展正推动着嵌入式平台对更高计算性能的需求。第五代 AMD Epyc 嵌入式处理器为嵌入式客户带来领先的性能和效率,同时提供他们所依赖的长期产品生命周期和增强的系统弹性,使他们能够自信地进行设计,并确保在要求苛刻的'永不停机'环境中持续运营。"
AMD Epyc Embedded 9005 系列处理器专为支持单插槽 8 至 192 核的计算密集型嵌入式系统而设计。行业领先的核心密度为网络和存储工作负载分别提供高达 1.3 倍和 1.6 倍的数据处理吞吐量提升,使其非常适合网络和安全防火墙平台、存储系统和工业控制应用。
采用新的 Zen 5c 核心架构可提供更高的吞吐量和更好的能源效率,与竞争对手相比,单插槽吞吐量预计提升 1.3 倍,性能/功耗比预计提高 1.3 倍。
每个插槽高达 6TB 的 DDR5 内存容量和扩展的 I/O 连接性,支持多达 160 条 PCIe Gen5 通道和 CXL 2.0,可实现存储容量扩展和网络及存储应用的高速数据传输。
专门设计的应用特定功能
AMD Epyc Embedded 9005 系列处理器包含一套先进的嵌入式功能,旨在提供强大、安全和持久的平台。
为满足嵌入式市场更长的产品生命周期和运营要求,AMD EPYC Embedded 9005 系列 CPU 提供七年的产品制造支持,帮助系统设计师确保长期产品可用性,减少重新设计和认证工作。
行业支持和可用性
AMD 正与生态系统合作伙伴以及包括思科和 IBM 在内的领先 ODM 和 OEM 厂商密切合作,将这些新一代嵌入式处理器的优势推向市场。
思科产品管理总监 Lukasz Bromirski 在声明中表示:"我们为我们的一款高端防火墙产品选择了 AMD Epyc Embedded 9005 系列处理器,因为它提供了我们所需的高计算性能,从其可扩展性(最高 192 核)到高内存和 I/O 带宽。我们知道我们可以依靠 AMD,不仅能获得出色的性能,还能获得尖端的质量和支持以及持续的路线图执行。"
IBM Storage Scale System 6000 存储、数据、AI 和 HPC 产品管理部门的 Matthew Geiser 表示:"IBM Storage Scale System 6000 旨在为要求苛刻的企业 AI 工作负载提供速度、性能和可靠性。AMD Epyc Embedded 9005 处理器的主要优势之一是引入了冗余路径,以实现高数据可用性和强大的连接选项,这将与在 IBM Storage Scale System 上运行的性能密集型应用完美匹配。"
AMD Epyc Embedded 9005 系列处理器目前正在向早期客户提供样品,预计将于 2025 年第二季度开始量产出货。AMD Epyc Embedded 9005 系列处理器采用 SP5 插槽形式,与上一代 AMD Epyc Embedded 9004 系列兼容,为客户提供简单的升级路径。
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。