芯片制造商AMD近日表示,计划把用于芯片设计的部分电子设计自动化(EDA)工作负载转移到谷歌云上,对自身数据中心能力进行扩展。

EDA是芯片设计过程的一个重要组成部分,涉及到使用计算机辅助设计软件来创建印刷电路板、集成电路和微处理器。芯片制造商需要复杂的设计以极高的密度,把元件封装到电路板上,而EDA提供的标准化流程和自动化可以加快开发的速度。
芯片制造商使用EDA软件可以设计、建模、模拟、测试和分析新的电路设计,用于评估性能,并在投入生产之前发现潜藏的任何问题。
AMD表示,EDA的重要性不言而喻,因此也就不难理解为什么AMD希望在谷歌云上运行其中一些工作负载,谷歌云提供的先进的网络、存储和人工智能功能将让AMD从中受益。
AMD进一步解释说,规模、弹性和资源的有效利用在芯片设计过程中至关重要,因此AMD还打算采用谷歌最新的、计算优化的C2D虚拟机实例,这些实例都是运行在AMD第三代AMD EPYC处理器上的。AMD相信,AMD通过采用这些虚拟机可以并性地运行更多设计,从而在管理短期计算需求的方式上,提供更大的灵活性,而不会减少长期项目的资源分配。
AMD公司芯片设计工程副总裁Mydung Pham表示,谷歌云的C2D实例提供了一种新的高性能资源途径,让他的团队能够将计算解决方案与每个EDA工作流程进行混搭和匹配。
谷歌方面强调,AMD将从中受益,例如AMD可以提高灵活性,以最有效的方式运行应用,通过谷歌人工智能和机器学习工具改进设计和操作,以及提供成本和资源消耗方面的透明度。
谷歌云总经理、基础设施副总裁Sachin Gupta表示,云的速度、规模和安全性为AMD等芯片设计公司带来了他们急需的灵活性。
好文章,需要你的鼓励
中国人民大学联合快手科技研发的DPWriter系统通过创新的"多样化规划分支"策略和智能奖励机制,成功解决了AI写作中质量与创意多样性难以兼得的问题。该系统让AI先制定包含五个维度的详细写作计划,在规划阶段进行创意分支,再配合双重奖励评价体系,实现了在保证写作质量的同时大幅提升创意多样性。实验显示新方法在多样性指标上提升15%,为AI辅助创意写作开辟了新路径。
Forrester副总裁兼首席分析师高恩德在访谈中表示,尽管AI技术广泛存在,但在生产力统计数据中并未体现革命性改变。他引用美国劳工统计局数据指出,个人电脑时代同样未能显著提升生产力增长率。研究显示,95%的生成式AI项目未产生实际投资回报。Forrester预测到2030年AI可能取代6%的工作岗位,约1040万个职位,但目前大部分企业裁员主要出于财务考虑而非AI替代。
ellamind公司研发的sui-1是首个能为长文档摘要提供精确引用标注的AI模型。该24B参数模型通过创新的XML标签系统,为每个摘要观点标注原文出处,解决了AI摘要"不可验证"的核心问题。模型可处理10万词文档,支持200万词超长文档的迭代处理,在准确性测试中达到84.2%,远超同类开源模型。研究团队采用Apache 2.0许可证完全开源模型和训练数据,为政府、法律等需要高准确性的领域提供可信赖的文档分析工具。