除性能有適度提高外,今年1月份發(fā)布的代號為Broadwell的第五代酷睿處理器提供了更長的電池續(xù)航時間。目前,大多數(shù)Windows PC和Mac都配置Broadwell(包括2014年末發(fā)布的酷睿M芯片)。
但新一代處理器一直在“等待”中,因為Broadwell被應用在PC中的時間晚于最初的預期?,F(xiàn)在是該關注代號為Skylake的新一代酷睿芯片了。2014年9月份首次被提及的Skylake將于下個月發(fā)布。
Skylake的許多細節(jié)尚沒有披露,下面是部分與Skylake有關的信息:
1、Skylake有哪些新穎之處?
在有機會對配置新CPU的PC的性能進行測試前,我們尚不清楚新一代CPU與上一代CPU之間的差別,但可以負責任地說,PC的性能和電池續(xù)航時間都會有適度提高。
由于許多Skylake系統(tǒng)支持無線充電解決方案,我們可能會看到“無線”計算大潮。有媒體報道稱,英特爾在促使汽車廠商、賓館和咖啡館安裝充電系統(tǒng)。部分Skylake系統(tǒng)還會配置Thunderbolt 3——速度更快的數(shù)據連接標準,但采用標準的USB-C接口。
2、首批Skylake芯片何時發(fā)售?
英特爾尚未披露官方信息,但傳言(和常識)稱,首批Skylake和配置Skylake的PC將在8月份發(fā)布。英特爾可能在科隆國際游戲展和英特爾開發(fā)商論壇上發(fā)布Skylake。
與以往的酷睿i系列芯片一樣,面向游戲和專業(yè)PC的最高端酷睿i7將首先發(fā)布,然后是更主流的酷睿i5和i3。因此,到近10月份配置Skylake的筆記本才會大量上市銷售。
3、Skylake的發(fā)布與Windows 10掛鉤嗎?
兩者沒有關聯(lián)。Windows 10發(fā)布時間是7月29日,因此它的發(fā)布比Skylake要提前至少數(shù)天時間。但是,首先發(fā)布的是高端酷睿i7桌面處理器,數(shù)月后面向主流和便攜式PC的Skylake才會發(fā)布。但是,Skylake和Windows 10之間應當不存在兼容性問題。
4、緣何Skylake的發(fā)布距離Broadwell如此近?
Broadwell發(fā)布時間比最初的預期要晚,被應用在PC中的時間也更晚。英特爾沒有相應推遲Skylake發(fā)布時間,而是將保持原定的發(fā)布計劃。這意味著,Broadwell作為最新一代處理器的時間會短于預期。
5、Skylake是向前邁出的一大步嗎?
是的,至少從日常應用性能來說是這樣的。英特爾把芯片更新節(jié)奏分為“tick”和“tock”。“tick”代表著物理和結構上的變化,例如轉向14納米工藝,Broadwell即是如此;“tock”代表新功能,Skylake即是如此。目前有關“tick”和“tock”哪個更重要還有爭論。
聽聽英特爾的說法,“在每個‘tick’周期,英特爾將采用更先進的制造工藝,繼續(xù)使用戶享受摩爾定律帶來的好處;在‘tock’周期,英特爾將利用上一代芯片的制造工藝,在處理器微架構方面引入重要創(chuàng)新。”
有趣的是,Skylake之后代號為Kaby Lake的英特爾芯片也將使用14納米工藝,提高了Kaby Lake之后的下一代芯片采用10納米工藝的可能性。目前,10納米芯片的代號為Cannonlake,目前預計發(fā)布時間為2017年末。這意味著英特爾會連續(xù)發(fā)布兩款“tock”芯片,構成“tick、tock、tock”的發(fā)布周期——2015年初的Broadwell、2015年末的Skylake和明年的Kaby Lake。
6、應當推遲購買新款PC或Mac嗎?
這一問題的答案是否定的,因為Skylake與Broadwell相比主流性能并沒有大幅度提高。用戶喜歡的品牌推出配置Skylake的系統(tǒng)可能還需要數(shù)月時間。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經過強化學習訓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等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速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練效率,已在多個任務上驗證有效性。