
工业计算正在快速演进,随之对平衡性能、能效和长期可靠性的平台提出了新的要求。AMD 正应对这一挑战,推出专为工业 PC、自动化系统和机器视觉应用打造的 Ryzen™(锐龙)嵌入式 9000 系列处理器。这一全新系列能提供卓越的每瓦性能、低时延以及工业客户所需的长期稳定性。
锐龙嵌入式 9000 系列处理器的多功能性在其目标应用中得到充分展现。对于工业 PC,它集性能、集成显卡和效率于一身,这些正是恶劣环境下供电和维持运行所需。在工业控制和自动化领域,该处理器能提供机器人、边缘计算和智慧工厂运行所需的低时延、高吞吐量性能。在机器视觉领域,实时 AI 推理和高级视频处理的结合有助于确保缺陷检测、质量控制以及测试与测量等任务能以卓越的精度和速度执行。
锐龙嵌入式 9000 系列处理器采用先进的 AMD“Zen 5”架构为核心,旨在突破性能和效率的极限。该系列处理器基于 4nm 制程打造,能提供至多 16 个高性能核心,可配置功率范围涵盖 65 瓦至 170 瓦,从而可以针对从注重节能的工业控制到用于工厂自动化的高吞吐量机器视觉系统等各种应用定制系统。
通过支持用于 AI 和视频处理的 AVX-512 指令集,该处理器性能得到了进一步提升。结合 DDR5 内存、PCIe® Gen 5 连接以及采用 AMD 3D V-Cache™ 技术的至高 128MB 的缓存,锐龙嵌入式 9000 系列处理器能为时延敏感型任务提供所需的速度和吞吐量。对于需要图形和可视化功能的应用,AMD RDNA™ 2 架构无需独立 GPU 即可提供经济高效的显示和视觉解决方案,从而同时降低了复杂性与系统成本。
持久可靠性
工业部署通常跨越数年乃至数十年时间,因此需要能够适配如此漫长生命周期的平台。锐龙嵌入式 9000 系列正是基于这一现实需求打造。该平台采用 AMD AM5 插槽设计,可提供向后和向前兼容性,易于安装。
锐龙嵌入式 9000 系列处理器可提供长达 7 年的产品供货期和可靠性保障,因此系统设计人员可以确信,其投资在未来很长一段时间内都将持续有效。预计将于今年晚些时候上市的锐龙 PRO 嵌入式 SKU 将进一步延长支持周期,提供长达 10 年的产品供货和可靠性保障。
此外,AMD PRO 技术还能提供多层安全性和无缝可管理性,并内置 AMD 平台安全启动( AMD Platform Secure Boot )1 和 AMD 内存防护系统( AMD Memory Guard )2 全内存加密等保护功能,以帮助抵御不断演进的网络威胁。从工厂车间到医疗系统,无论环境多么严苛,锐龙嵌入式 9000 系列都旨在提供始终如一、值得信赖的性能。
面向未来
除了性能和可靠性,锐龙嵌入式 9000 系列的工程设计还致力于为解决方案提供商带来所需的灵活性和可扩展性,以应对当前及未来的挑战。涵盖 WiFi 6E、PCIe® Gen 5 和高速 I/O 的丰富连接能力,使得打造的平台不仅在目前性能强大,还能灵活应变以支持未来技术。凭借 AM5 插槽的兼容性和广泛的 SKU,系统架构师可以扩展解决方案以满足各种应用需求,同时有效控制成本。
AMD 锐龙嵌入式 9000 系列处理器提供了一款专为耐用性和创新性而构建的平台。它通过结合先进的每瓦性能、强大的可靠性以及面向未来的可扩展性,赋能工业和嵌入式系统设计人员打造出能够经受时间考验的解决方案。锐龙嵌入式 9000 系列处理器提供了既高瞻远瞩又稳定可靠的基石,是工业计算向前迈出的一大步。
好文章,需要你的鼓励
萨提亚回忆起90年代在微软评审会上听到的场景。Gates当时说:"软件只有一个品类--信息管理。
MiroMind AI等机构联合研究团队提出了UniME-V2多模态嵌入学习新方法,通过让大型多模态语言模型充当"智能法官"来评估训练样本质量,解决了传统方法在负样本多样性和语义理解精度方面的问题。该方法引入软标签训练框架和困难负样本挖掘技术,在MMEB基准测试中取得显著性能提升,特别在组合式检索任务上表现出色,为多模态AI应用的准确性和用户体验改进提供了重要技术支撑。
Anthropic周一发布了旗舰模型Opus 4.5,这是4.5系列的最后一个模型。新版本在编程、工具使用和问题解决等基准测试中表现出色,是首个在SWE-Bench验证测试中得分超过80%的模型。同时推出Claude for Chrome和Claude for Excel产品,分别面向不同用户群体。Opus 4.5还改进了长文本处理的内存管理,支持付费用户的"无限聊天"功能,并针对智能体应用场景进行了优化,将与OpenAI的GPT 5.1和谷歌的Gemini 3展开竞争。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。