低功耗计算机芯片初创公司Efficient Computer Co.今日宣布推出其全新旗舰产品Electron E1处理器,大幅降低了通用计算工作负载的能耗需求。
Electron E1处理器现已面向开发者提供,同时推出的还有该公司全新的effcc编译器,这是一款帮助简化应用程序与硬件集成的工具。
Efficient Computer的新芯片基于该公司所称的创新"织物架构"(Fabric architecture),旨在实现空间数据流计算。这与传统计算机芯片(如英特尔公司基于冯·诺伊曼架构的x86芯片)采用了根本不同的方法,在能效方面实现了显著提升。
该公司解释说,冯·诺伊曼芯片浪费大量能源,因为它们需要不断在内存和处理核心之间来回传输数据。通过消除这种开销,Efficient Computer表示可以将某些计算工作负载的能效提高多达100倍。
这使得Electron E1成为部署边缘计算设备(如传感器、可穿戴设备和无人机)的理想选择,这些设备通常需要依靠电池供电,因此需要谨慎节约能源以延长运行时间。
"我们正在做的事情具备CPU的能力,但效率却高出一到两个数量级,"Efficient Computer联合创始人兼首席执行官Brandon Lucia在接受IEEE Spectrum采访时表示。
**织物数据流架构**
通过全新的织物架构,Efficient Computer表示能够将软件程序的指令进行空间布局,而不是像冯·诺伊曼芯片那样从内存中顺序处理它们。
基本上,冯·诺伊曼芯片从内存中逐个接收指令。这些指令告诉处理器如何处理数据——例如,将其与某些内容相加、反转或改变格式——然后将操作结果返回内存。之后,它向处理器发送下一条指令,处理器执行所需操作并返回结果,如此反复。
冯·诺伊曼方法的问题在于其极其低效,指令从内存中提取、处理并返回结果,每秒发生数十亿次。这消耗大量能源,还存在额外开销,比如需要分支预测逻辑来预测下一条指令。
另一方面,Electron E1将整个指令序列映射为数据移动的空间路径。据Lucia介绍,可以将其视为按序列连接的"瓦片阵列"。每个瓦片本质上是一个精简的处理器核心,能够执行一系列指令,但没有获取、分支预测和其他开销。
effcc编译器读取软件程序并将每条指令分配给特定的瓦片。指令处理完成后,其结果成为下一个瓦片的输入。所有指令都按正确顺序排列,通过消除与内存的持续往返通信,使程序运行更加高效。如果程序序列出现分支(如遇到if/then/else场景),瓦片的空间模式也会相应改变,类似于铁路操作员切换开关来改变铁轨。
Efficient Computer表示,Electron E1针对嵌入式和边缘人工智能工作负载,这些工作负载受到现有中央处理器限制的困扰。该芯片已开始向各个工业和航空航天垂直领域的早期客户提供样品。
该公司还计划推出更强大的芯片版本Photon P1,将其空间计算架构扩展到更大规模的边缘计算工作负载。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。