新闻重点:
Arm 控股有限公司(纳斯达克股票代码:ARM,以下简称“Arm”)今日宣布推出新一代 Arm® Neoverse™ 技术。其中包括,通过性能效率更优异的 N 系列新 IP 扩展 Arm Neoverse 计算子系统 (CSS) 产品路线图。与 Neoverse CSS N2 相比,Neoverse CSS N3 的每瓦性能可提高 20%。此外,Arm 还首次将计算子系统引入性能优先的 V 系列产品线,新的 Neoverse CSS V3 基于全新的 Neoverse V3 IP 打造,与此前的 Neoverse CSS 产品相比,其单芯片性能可提高 50%。
从小型传感器到大型数据中心,全球都在拥抱人工智能 (AI)。AI 正应用于教育、就业、制造、医疗、交通等方方面面。而作为全球应用最为普及的架构,Arm 是运行 AI 的基石。在基础设施领域,通用 CPU 已不再能满足需求。亚马逊云科技 (AWS)、微软和 NVIDIA 等头部科技企业纷纷针对其从芯片到软件和系统的整个堆栈进行重新设计与优化,以满足 AI 这个要求更高的新工作负载所需的性能、效率和总体拥有成本 (TCO) 需求。
Arm 高级副总裁兼基础设施事业部总经理 Mohamed Awad 表示:“我们很荣幸地看到,业内的技术先行者均选择 Arm Neoverse 平台作为其实现全球 AI 愿景的基石。这不仅印证了 Arm 的技术领先地位,以及我们赋能合作伙伴创新的自由度,同时也彰显了我们生态系统的强劲实力。由于 Arm 能以其他厂商无法做到的方式,将技术、灵活性和合作伙伴这三个要素有机结合,造就了 Arm 在行业内的独特定位。”
Arm Neoverse CSS 是具革新意义的产品。作为一套经优化、集成和验证的平台,Neoverse CSS 汇集了构成系统级芯片 (SoC) 核心的关键技术。借助 Neoverse CSS,Arm 为寻求差异化优先、SoC 优化和加快上市进程的合作伙伴打造了健全的起点。由于 Arm 与生态伙伴的合作程度比起其他计算供应商都还要深入,因此 Neoverse CSS 旨在为最重要的工作负载优化其 TCO,并为芯粒 (Chiplet) 等新兴关键技术提供支持。
Neoverse CSS 已广受头部云服务提供商、初创公司等业内各类企业青睐,并采用于云计算、网络、数据中心基础设施,以及 AI 等多样化的应用中。Microsoft Azure Cobalt CPU 便是基于 Neoverse CSS 所打造的产品之一。
生态系统是 Arm 有力的资产之一。为了让合作伙伴能够快速且成功地交付定制解决方案,Arm 稍早推出了 Arm 全面设计 (Arm Total Design) 生态项目,旨在汇集合作伙伴致力于无缝交付基于 Neoverse CSS 的定制 SoC。
Arm 今日同时宣布,Arm 全面设计生态项目已吸引超过 20 家来自各方技术合作伙伴的加入,他们均致力于确保高性能、高效率解决方案的广泛可触及性,助力满足 AI 加速未来的计算需求。基于 Neoverse CSS 的技术,这些合作伙伴已在方方面面携手合作,从验证 IP、定制固件,到在全球先进的工艺节点上打造芯粒。
基于 Arm 全面设计生态伙伴的反馈意见,Arm 打造出近期发布的芯粒系统架构 (Chiplet System Architecture, CSA)。CSA 旨在定义一个功能强大、支持通用的芯粒生态系统。
从提供基础的计算平台,以实现更胜以往的创新,到为部署关键工作负载的五万多家企业提供领先的软件生态系统,Arm Neoverse 平台的发展势头令人振奋。随着来自头部企业对基于 Neoverse 平台的技术、系统、软件和芯片的持续投入,Arm 始终位居解决世界上复杂计算挑战的核心。Arm 将持续致力于提供合作伙伴所需的技术、创新和生态系统,进而共同让 AI 的愿景成为现实。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。