
昨日,Spansion在京宣布推出两款新品,一款是能够提高读取性能并减少引脚数量和空间的Spansion HyperBus接口,另一款则是配备该接口的Spansion HyperFlash NOR闪存设备。
Spansion HyperBus接口
NOR闪存发展到现在经历了多次接口的创新 ,从并行NOR到页/突发模式,从串行闪存到双口SPI,再从四口SPI到现如今的DDR SPI。今天,Spansion推出了突破性的Spansion HyperBus接口,Spansion产品与产业生态系统营销副总裁黄主照表示希望该接口成为新的标准。
Spansion HyperBus是12针的接口,包括一个8针脚地址/数据总线、一个差分时钟(2个信号)、一个片选和一个读数据选通控制器,降低系统总成本。
该接口适用于闪存、RAM和外设。
Spansion HyperFlash NOR闪存
Spansion HyperFlash是第一款搭载HyperBus接口的NOR闪存产品,该产品的读取速度是四口SPI的5倍,而它的引脚数量却仅是并行NOR闪存的三分之一。
HyperFlash提供3V及1.8V两种电源版本,在3V时读取吞吐量达到200兆字节每秒,在1.8V时则为333兆字节每秒,HyperFlash有128、256、512Mb的容量选项,其中512Mb版本将于今年第二季度开始提供样品。
该产品封装规格为8×6mm BGA。HyperFlash提供从单个四口SPI到双四口SPI再到HyperFlash NOR闪存的迁移路径,支持-40°C~125°C的大跨度温差。
HyperFlash NOR闪存可应用于车载仪表、单反相机、先进驾驶辅助系统、医疗设备、智能冰箱、工厂自动化、信息娱乐系统、投影仪等设备中。以单反相机为例,HyperFlash可帮助单反相机快速启动,并且高速读取无需压缩的图片,显示效果更加锐利、清晰。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。