近期,英特爾信息技術(shù)峰會(IDF2015)在深圳拉開了帷幕,本次以“芯動,行動,共創(chuàng)未來”為主題。在這兩天內(nèi),英特爾也與大家分享了其戰(zhàn)略規(guī)劃、最炫酷的前沿技術(shù)等,并且與到場的嘉賓一同探討未來計算創(chuàng)新的新趨勢,下面是看點集結(jié):
1、 與中移動合作 建立端到端綠色產(chǎn)業(yè)鏈
中國移動與英特爾共同制訂綠色業(yè)務(wù)在英特爾架構(gòu)下的開發(fā)指南,包括功耗與性能的聯(lián)合優(yōu)化,以及從客戶端、通信網(wǎng)絡(luò)到服務(wù)器的端到端優(yōu)化;共同開發(fā)基于英特爾架構(gòu)的自動化功耗分析工具,包括數(shù)據(jù)采集模塊、自動測試框架和腳本、能效評價模塊等;并希望將自動化功耗分析方法納入中國移動業(yè)務(wù)平臺的測試中體系,評估使用相關(guān)分析工具對中國移動業(yè)務(wù)平臺中的應(yīng)用進行功耗評級的技術(shù)可行性。
2、 與金山軟件合作 共創(chuàng)軟件生態(tài)
英特爾與金山軟件宣布,雙方將進行戰(zhàn)略合作,共同致力于為用戶提供最好的軟件服務(wù)。金山軟件公司將搭建基于英特爾平臺的軟件解決方案來滿足日益增長的用戶需求,提升用戶體驗。英特爾也將為金山軟件提供最新的技術(shù)來實現(xiàn)端到端服務(wù)及應(yīng)用軟件差異化支持。通過本次的深化合作,英特爾與金山軟件將在X86架構(gòu)上攜手打造新的業(yè)務(wù)合作模式,一同構(gòu)建完整的全球軟件生態(tài)格局。
3、發(fā)布固態(tài)盤750系列
英特爾發(fā)布了全新固態(tài)盤750系列,它主打消費級桌面存儲設(shè)備及工作站市場,使用了四通道PCIe 3.0協(xié)議及NVMe技術(shù),能靈活地作為外接卡接入有PCIe 3.0插槽的系統(tǒng),或者封裝為傳統(tǒng)的2.5英寸驅(qū)動器型態(tài)。
4、發(fā)布面向WebRTC的英特爾協(xié)同通信開發(fā)套件
英特爾發(fā)布了面向WebRTC的英特爾協(xié)同通訊開發(fā)套件2.1版本,旨在能夠更好地支持網(wǎng)頁瀏覽器進行實時語音對話或視頻對話,滿足用戶對實時通信日益迫切的需求,創(chuàng)建高性能、跨平臺的Web通信解決方案,并為開發(fā)者提供強大的支持,方便開發(fā)者開發(fā)實時通信應(yīng)用方案。
5、發(fā)布免費固件引擎 簡化固件開發(fā)工作
英特爾發(fā)布了英特爾固件引擎(Intel Firmware Engine)。旨在簡化固件的開發(fā)過程,并根據(jù)不同平臺的特性定制其固件功能,為用戶提供一個問題少、成本低、耗時短的高效解決方案。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(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。實驗顯示,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。
同濟大學(xué)團隊開發(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)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、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)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時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等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。