沒瘋。
近日,悄然移師中國的AMD臺(tái)式機(jī)產(chǎn)品事業(yè)部移師中國,我們要立足中國,放眼世界。”
圖為PC市場(chǎng)的活力。
AMD全球調(diào)整布局
記得在AMD全球臺(tái)式機(jī)產(chǎn)品事業(yè)部將移師中國。
而如今,這個(gè)部門已經(jīng)悄然“搬遷”到了中國北京的辦公室,Lisa Su博士訪華接受中國媒體采訪,所以劉士維并沒有和媒體有過多的互動(dòng)。
此次,劉士維暢所欲言,暢聊了AMD要?jiǎng)?chuàng)造共贏的格局,這是當(dāng)初我們把臺(tái)式機(jī)全球總部放在中國的初衷。”
臺(tái)式機(jī)未死 AMD沒瘋
對(duì)于有關(guān)“全球PC市場(chǎng)的觀察。
在劉士維看來,AMD根據(jù)這些市場(chǎng)發(fā)展趨勢(shì)做了重要戰(zhàn)略部署:
一是AMD看到這個(gè)事實(shí),持續(xù)投資臺(tái)式機(jī),并且會(huì)陸續(xù)推出強(qiáng)大的臺(tái)式機(jī)產(chǎn)品路線圖,并堅(jiān)信市場(chǎng)會(huì)持續(xù)增長;
二是臺(tái)式機(jī)用戶基數(shù)大,而且在很多市場(chǎng)繼續(xù)增長,這與一般的AMD會(huì)持續(xù)加大加深與這些合作伙伴在商用領(lǐng)域的合作;
三是DIY市場(chǎng);
四是AMD擁有更多優(yōu)勢(shì),而且歷來受到玩家的青睞。
AMD重新發(fā)明臺(tái)式機(jī)
盡管誠如劉士維所說,臺(tái)式機(jī)是AMD將徹底改變這種局面,致力于把桌上型業(yè)務(wù)轉(zhuǎn)向解決方案,這是未來很重要的一個(gè)方向。
此前不久,AMD未來的一個(gè)核心戰(zhàn)略就是定制化制勝。
而此次劉士維同樣談到了這種“定制化”戰(zhàn)略在臺(tái)式機(jī)業(yè)務(wù)上的體現(xiàn),“定制化其實(shí)就是創(chuàng)新,也是再發(fā)明。舉個(gè)例子,我們今年初Nano PC,它就五寸大小,它是一個(gè)新型的東西,不是傳統(tǒng)的一體機(jī)或者機(jī)箱這樣的,那絕對(duì)不是我們想要的,我們希望給消費(fèi)者更多的解決方案。”
劉士維向PC及臺(tái)式機(jī)業(yè)務(wù)的創(chuàng)新,我們將打破人們之前的感官認(rèn)為的臺(tái)式機(jī)存在的形式和使用體驗(yàn),陸陸續(xù)續(xù)推出更多的個(gè)性化的臺(tái)式機(jī)解決方案。”
AMD臺(tái)式機(jī)三大競爭優(yōu)勢(shì)
一個(gè)業(yè)務(wù)要成功,有了清晰的戰(zhàn)略,更要有切實(shí)可行策略,還要有審視自身的特點(diǎn),這樣才有了底氣,才有了發(fā)展的根源。
劉士維在采訪中,介紹了AMD的解決方案。接下來推的方案是跨平臺(tái)的,橫跨塔式機(jī)箱、一體機(jī)、小型機(jī)市場(chǎng)。另外是在商用市場(chǎng)的持續(xù)投入。
第二個(gè)優(yōu)勢(shì)是領(lǐng)先的性能。劉士維介紹說,Kaveri上體現(xiàn)出來。
劉士維還透露,今年APU大會(huì)首次來到中國辦,屆時(shí)會(huì)有非常大的驚喜帶給中國消費(fèi)者。
“第三個(gè)優(yōu)勢(shì)是面向中國的獨(dú)家市場(chǎng)策略,這也是為什么我們把總部放在中國。”
劉士維指出,“AMD能夠針對(duì)中國市場(chǎng)做一些特殊的策略。”
談到對(duì)于中國市場(chǎng)的支持,劉士維舉例說,在中國,AMD還將面向中國市場(chǎng)提供完整的軟件支持。
劉士維稱,“我們希望借此臺(tái)式機(jī)總部移師中國,把臺(tái)式機(jī)業(yè)務(wù)導(dǎo)向一個(gè)完全不同的方向,我們也希望消費(fèi)者感覺到AMD的改變,我們并不只是一個(gè)芯片的提供者,而是一個(gè)解決方案的提供者。”
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。