不斷增加的數(shù)據(jù)處理和數(shù)據(jù)傳輸帶寬需求使得業(yè)界對更低單位端口功耗、更優(yōu)性能且更高端口密度器件的需求也在日益增加。博通全新的物理層器件能夠?qū)⒐慕档?0%,并為尋求更優(yōu)性能及更大帶寬容量的企業(yè)與服務(wù)提供商網(wǎng)絡(luò)提供更強(qiáng)大的功能設(shè)置和靈活的路徑兼容遷移路徑。
博通副總裁兼物理層產(chǎn)品部門總經(jīng)理Lorenzo Longo表示:“隨著網(wǎng)絡(luò)帶寬與流量需求的不斷增加,將產(chǎn)品遷移至更輕巧的產(chǎn)品設(shè)計(jì)中并大幅降低功耗對于我們的客戶來說尤為重要。為此,博通持續(xù)加大對相關(guān)技術(shù)的投資力度,推出了具備領(lǐng)先功能設(shè)置的低功耗EDC/LRM 物理層器件。”
基于EDC技術(shù)的BCM82780能夠通過支持LRM來實(shí)現(xiàn)10/40GbE數(shù)據(jù)傳輸。此外,BCM82780還能夠應(yīng)對短距離(SR)、長距離(LR)以及超長距離(ER和ZR)光纖接口,更靈活地支持多種高帶寬應(yīng)用。多速率物理層器件能夠完美地適用于前板上的單模光纖(SMF)、多模光纖(MMF)或雙軸銅纜應(yīng)用。該器件具有全DSP高速前端,可以為線路卡設(shè)計(jì)人員在40GbE、10GbE或1GbE系統(tǒng)上提供最佳的性能與靈活性。
主要特性:
上市時間
博通BCM82780現(xiàn)已提供樣片。
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊(duì)提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項(xiàng)研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價(jià)值。