它是索尼、微軟、任天堂三大游戲主機(jī)廠商的選擇;它實(shí)行三步走策略,在去年第三季度扭虧為盈,逆勢而上;它是業(yè)界唯一同時(shí)擁有x86和ARM雙架構(gòu)計(jì)算產(chǎn)品的廠商;它是64位ARM服務(wù)器芯片的推動者…它就是AMD。
近期,AMD在京舉辦了APU14 BEIJING技術(shù)創(chuàng)新大會,會后,AMD公司全球副總裁、大中華區(qū)董事總經(jīng)理潘曉明接受了CNET科技資訊網(wǎng)的采訪,他表示每個(gè)IT產(chǎn)業(yè)都不能獨(dú)善其身,要在新的領(lǐng)域里尋求變化。AMD一直在尋求變化,除了保衛(wèi)市場和進(jìn)攻市場之外,還要尋找新的藍(lán)海。
三步走策略最后一步 AMD的華麗轉(zhuǎn)身
去年3月份,潘曉明曾表示:AMD將采用三大戰(zhàn)略來完成涅槃重生。首先是止血,然后是扭虧為盈,未來要華麗轉(zhuǎn)身。
去年3月之前AMD完成了業(yè)務(wù)重組,而且在同年第三季度,AMD也順利恢復(fù)了盈利。
從AMD游戲戰(zhàn)略的成功,到ARM合作的雙架構(gòu)計(jì)算的宣布,這都表示了AMD進(jìn)入了第三個(gè)階段,潘曉明表示。今年是一個(gè)重要階段,潘曉明相信AMD在今年會做到華麗轉(zhuǎn)身。
AMD的戰(zhàn)略:保衛(wèi)、進(jìn)攻與尋找
潘曉明表示,接下來AMD全球的戰(zhàn)略是要保衛(wèi)現(xiàn)有市場,進(jìn)攻專業(yè)圖形顯卡等市場,最后是要尋找新的藍(lán)海。
在看待全球PC下滑這個(gè)問題上面,潘曉明態(tài)度一直很明確,他不止一次表示不認(rèn)可PC已死這種說法,他認(rèn)為中國市場每年仍然有7000-8000萬臺的保有量,接下來AMD還將在傳統(tǒng)的DIY臺式機(jī)和傳統(tǒng)顯卡方面繼續(xù)保衛(wèi)住市場。
而在臺式機(jī)、筆記本、專業(yè)圖形顯卡領(lǐng)域一定要進(jìn)攻。
最后則是要尋找新的藍(lán)海,目前,AMD在包括半定制化、嵌入式、云計(jì)算、64位ARM服務(wù)器芯片等領(lǐng)域積極尋求新的商機(jī)。
積極推動半定制化服務(wù)
AMD半定制化增長勢頭強(qiáng)勁,除了雙架構(gòu)計(jì)算之外,AMD還充分利用IP、專業(yè)技能去做半定制化。潘曉明認(rèn)為,半定制化的市場非常廣闊,所以AMD接下來還是要廣泛的去接觸客戶,去給客戶講解半定制化的概念。
AMD與ARM合作 豐富產(chǎn)品線
自從2012年,AMD與ARM開始合作以來,標(biāo)志著AMD擺脫了單一的X86架構(gòu)路線,加入了ARM生態(tài)系統(tǒng),而且AMD也是唯一同時(shí)擁有x86和ARM雙架構(gòu)計(jì)算產(chǎn)品的廠商。
潘曉明還說道,X86跟Windows就是天生一對,而Android與ARM則是最佳拍檔。在今年下半年也會推出基于ARM的第一款服務(wù)器芯片。
AMD在不斷尋求創(chuàng)新,潘曉明還表示,AMD的定位就是集成解決方案的芯片設(shè)計(jì)商,要為整個(gè)產(chǎn)業(yè)和用戶的幻想提供強(qiáng)有力的技術(shù)支持,從而把這些幻想變?yōu)楝F(xiàn)實(shí)。
好文章,需要你的鼓勵
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。