3月18日,AMD 公司今天在北京举办了 “ADVANCING AI” AMD AI PC 创新峰会,向众多合作伙伴、媒体及意见领袖展示了其在中国 AI PC 生态系统中的强劲发展势头,并迎来了性能与智能的新高度。AMD董事会主席及首席执行官Lisa Su博士,AMD高级副总裁、大中华区总裁潘晓明,与AMD高级副总裁、计算与图形总经理 Jack Huynh 一同出席活动。同时,重要合作伙伴包括联想集团执行副总裁兼中国区总裁刘军,华硕电脑全球副总裁石文宏,微软大中华副总裁、硬件合作伙伴销售部总经理关淇和模优优创始人 & CEO王言治博士也一同登台致辞。
AMD 还突出介绍了其游戏产品组合中的新产品,包括刚刚发布的用于游戏笔记本的锐龙 9000HX 系列处理器和面向台式机发烧友的 AMD 锐龙 9 9950X3D 处理器。
AMD 再次强调了其与合作伙伴和社区一起推动中国 AI PC 生态系统发展的承诺。自 2024 年 3 月启动以来,现在AMD 中国 AI 应用创新联盟的 ISV 合作伙伴已经超过 100 家,并预计将在 2025 年底达到 170 家。
AMD 锐龙AI驱动的 AI PC
AMD 是 AI PC 时代的领导者,重新定义了 PC,使其成为更个人化、更智能的设备。AI PC 有潜力彻底改变用户与 PC 的交互方式,能够提升协作效率、提供个性化 AI 助理、增强创作与编辑能力,并助力商业用户提升生产力。
AMD 锐龙AI PC 还配备 AMD 锐龙AI软件,以带来全新的实际体验,将锐龙AI硬件从 CPU 到 GPU 再到 NPU 的潜力发挥到极致。锐龙AI软件使用户能够在锐龙AI PC 上优化并部署经过预训练的模型。
中国 AI ISV 生态系统
来自联想、华硕、微软、宏碁、零刻、亿道、极摩客、荣耀、惠普、京东、机械革命、微星、壹号本、六联、抖音、雷神的 AMD AI PC 生态系统合作伙伴亲临现场,共同登台见证 AI PC 发展的新时代。
峰会现场展示了来自16个OEM合作伙伴的众多2025新品,包括采用AMD锐龙 AI Max, AMD 锐龙 AI 300 和AMD 锐龙 9000HX系列处理器的笔记本电脑、Mini PC 等产品。
作为 AI PC 行业的关键生态合作伙伴,微软展示了 Windows 11 AI+ PC带来的领先功能和创新体验,包括实时字幕、回顾(Recall)、工作室效果、单击以执行(Click-to-do)等,并在现场进行了演示。
此外,活动现场还展示了众多令人激动的由AMD 锐龙AI赋能的 AI PC 演示:
为了打造和支持中国的下一代 AI,AMD 推出了全球 AI PC 开发者大赛,并向中国开发者开放申请。AMD 还将全球 AMD ROCm 平台和 AI PC 大学计划扩展至中国高校。AMD AI PC 开发者支持计划专注于在中国建立一个 ISV 联盟,重点提供培训、工具支持和开发费用支持。
好文章,需要你的鼓励
这篇研究论文介绍了"Speechless",一种创新方法,可以在不使用实际语音数据的情况下训练语音指令模型,特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示,绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段:首先训练量化器将语音转为语义标记;然后训练Speechless模型将文本转为这些标记;最后用生成的合成数据微调大型语言模型。实验表明,该方法在越南语ASR任务中表现出色,为低资源语言的语音助手开发提供了经济高效的解决方案。
《Transformer Copilot》论文提出了一种革命性的大语言模型微调框架,通过系统记录和利用模型训练过程中的"错误日志"来提升推理性能。研究团队受人类学习者记录和反思错误的启发,设计了一个"副驾驶"模型来辅助原始"驾驶员"模型,通过学习错误模式并在推理时校正输出。这一方法在12个基准测试上使模型性能提升高达34.5%,同时保持计算开销最小,展现了强大的可扩展性和可迁移性,为大语言模型的优化提供了全新思路。
德克萨斯大学Austin分校的研究团队提出了RIPT-VLA,一种创新的视觉-语言-动作模型后训练范式。该方法通过让AI模型与环境互动并仅接收简单的成功/失败反馈来学习,无需复杂的奖励函数或价值模型。实验证明,RIPT-VLA能显著提升现有模型性能,在轻量级QueST模型上平均提升21.2%,将大型OpenVLA-OFT模型推至97.5%的前所未有成功率。最令人惊叹的是,仅用一个示范样本,它就能将几乎不可用的模型在15次迭代内从4%提升至97%的成功率,展现出卓越的数据效率和适应能力。
北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准,这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架,包含11个细粒度任务,并构建了涵盖38,522个问答对的数据集,针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明,即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战,而测试时扩展技术可明显提升时间逻辑推理能力。