科技行者 1月8日 北京消息(文/李祥敬):美國拉斯維加斯,2020年1月7日——在2020年國際消費電子展(CES 2020)上,英特爾在以“智能驅(qū)動創(chuàng)新”(Innovation through Intelligence)為主題的新聞發(fā)布會上演示了系列場景,展現(xiàn)了其如何將智能融入云、網(wǎng)絡、邊緣和PC,推動其對人、企業(yè)和社會創(chuàng)造積極的影響。
移動計算作為一個重點領域,在此英特爾宣布推出新產(chǎn)品、建立新的合作伙伴關系并開展激動人心的平臺級創(chuàng)新,從而改變?nèi)藗儗Wⅰ?chuàng)造和參與的方式。英特爾公司執(zhí)行副總裁兼客戶端計算事業(yè)部總經(jīng)理Gregory Bryant在會上宣布了眾多激動人心的消息。
Gregory Bryant表示,英特爾“雅典娜計劃”創(chuàng)新計劃取得重大進展,包括首批“雅典娜計劃”認證Chromebook:“雅典娜計劃”認證設計已經(jīng)過調(diào)試、測試和驗證,提供非常出色的系統(tǒng)級創(chuàng)新,以及包括電池續(xù)航時間、響應一致性、即時喚醒、應用程序兼容性在內(nèi)的多重優(yōu)勢。
截至目前,已有25款設計通過了英特爾的“雅典娜計劃”認證,包括首批兩款經(jīng)“雅典娜計劃”驗證Chromebook——華碩Chromebook Flip (C436)和三星Galaxy Chromebook——是與谷歌合作完成的,Gregory Bryant宣布繼續(xù)擴展與谷歌的合作。英特爾預計今年還將驗證50多款設計,包括Windows和Chrome兩類,并為雙屏PC制定技術規(guī)范目標。
英特爾不斷加深與OEM合作伙伴的協(xié)同工程開發(fā),基于英特爾酷睿處理器來幫助定義全新設備類別,包括全新的雙屏和可折疊設計,如聯(lián)想ThinkPad X1折疊屏電腦以及戴爾Concept Duet,前者采用搭載英特爾混合技術(研發(fā)代號:Lakefield)的英特爾酷睿處理器,將于年中出貨。
Gregory Bryant還發(fā)布了英特爾最新概念設備預覽版,該設備是一款外形可折疊的OLED顯示器(研發(fā)代號:Horseshoe Bend)。該設計尺寸與12英寸筆記本電腦相似,配有折疊式觸控屏,展開后可逾17英寸。
首次亮相的英特爾酷睿移動處理器(研發(fā)代號:Tiger Lake),通過在每個重要領域及體驗上實現(xiàn)突破性進展,旨在將英特爾在移動計算領域大膽的、以人為本的愿景變?yōu)楝F(xiàn)實。憑借在CPU、人工智能加速器以及基于全新英特爾Xe圖形架構、堪比獨立顯卡性能的內(nèi)置圖形顯卡等優(yōu)化,Tiger Lake將帶來兩位數(shù)的性能提升,大幅提高人工智能性能和圖形性能,并將采用全新集成Thunderbolt 4,其數(shù)據(jù)吞吐量4倍于USB3。基于英特爾10nm+制程,首批Tiger Lake產(chǎn)品預計于2020年晚些時候出貨。
英特爾公司圖形架構和軟件副總裁Lisa Pearce深入介紹了全新英特爾Xe圖形架構的進展,它大幅提升了Tiger Lake性能,Lisa還預覽了英特爾首款基于Xe架構的獨立圖形顯卡(研發(fā)代號:“DG1”)。英特爾在Xe架構上實現(xiàn)了差異化設計,DG1面向游戲本、輕薄本的低功耗架構,主要應對一些日常游戲需求。
據(jù)悉,代號為DG1的Xe架構獨顯或?qū)⒓?6個執(zhí)行單元,總計768個流處理器,并且擁有自己的獨立顯存,搭載方式可能與普通獨顯略有不同,現(xiàn)場演示產(chǎn)品的搭載方式類似此前推出的Kaby Lake-G,采用了異構封裝的方式與CPU協(xié)同工作。
好文章,需要你的鼓勵
浙江大學團隊提出動態(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、編程等任務上顯著提升推理準確率,且不增加計算成本。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。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(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。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結(jié)果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。