近年來,AMD動作頻頻,采用ZEN架構(gòu)的處理器新品也接踵而至。
在PC市場,AMD也是牢牢占據(jù)著一席之地。在今年的CES2020上,AMD推出了一系列新品,包括面向超薄筆記本電腦的AMD銳龍4000系列移動處理器以及AMD速龍3000系列移動處理器,還有面向臺式機市場的AMD銳龍Threadripper 3990X。銳龍在臺式機領(lǐng)域的成功,也進一步擴大到了筆記本電腦市場。這些新品,也使得AMD的產(chǎn)品序列更加多樣化,能夠滿足更多消費者的需求。
AMD高級副總裁兼客戶機業(yè)務(wù)總經(jīng)理Saeid Moshkelani表示,2019年,我們看到了基于AMD銳龍移動處理器的產(chǎn)品陣容實現(xiàn)了歷史性的增長;而在2020年,我們正在按計劃使AMD銳龍4000系列移動處理器被更多重要OEM合作伙伴的產(chǎn)品所采用,其能效將是上一代產(chǎn)品的兩倍。
AMD銳龍4000系列移動處理器
AMD銳龍4000系列移動處理器是基于7nm制程技術(shù)和“Zen 2”內(nèi)核架構(gòu)而打造,并在SOC設(shè)計中融入了經(jīng)過優(yōu)化的Radeon Graphics顯卡。
其中,AMD銳龍4000U系列移動處理器最高擁有8核16線程,主要面向超薄筆記本,可提供極快的響應(yīng)速度和便攜性;AMD銳龍4000H系列移動處理器以45W的可配置TDP帶來創(chuàng)新、輕薄的筆記本電腦,主要面向游戲愛好者以及內(nèi)容創(chuàng)作者。
AMD還詳細介紹了AMD SmartShift技術(shù)。用戶可以利用銳龍4000移動處理器、Radeon Graphics顯卡和最新的AMD Radeon Software Adrenalin 2020版本軟件,根據(jù)需要進行高效的性能優(yōu)化并提升計算體驗。
AMD速龍3000系列移動處理器
AMD速龍3000系列移動處理器采用了“Zen”架構(gòu),為更廣泛的筆記本電腦用戶帶來現(xiàn)代計算體驗和卓越性能。其把Windows Hello和Cortana,還有全高清流媒體等內(nèi)容,擴展到了主流筆記本電腦中。
據(jù)了解,從2020年第一季度開始,消費者可從宏碁、華碩、戴爾、惠普、聯(lián)想及其它廠商購買到首批基于AMD銳龍4000系列和速龍3000系列的筆記本電腦,未來預(yù)計將有更多全球OEM合作伙伴在2020年推出更多產(chǎn)品。
AMD銳龍Threadripper3990X處理器
AMD銳龍Threadripper3990X處理器是64核、128線程的設(shè)計,專為從事3D動畫、帶有光線跟蹤的視覺特效(VFX)以及8K視頻編碼等數(shù)據(jù)內(nèi)容創(chuàng)作專家量身打造。
據(jù)了解,該產(chǎn)品預(yù)計將于2020年2月7日全球上市。
AMD持續(xù)向PC市場輸出新品,也用實際行動向競爭對手發(fā)起一輪又一輪的挑戰(zhàn)。對于消費者而言,AMD能帶來更多的選擇和實惠,AMD真香!AMD YES!
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。