微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 让AMD在中国发声 APU14技术创新大会首次在华召开

让AMD在中国发声 APU14技术创新大会首次在华召开

2014-05-15 11:33
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-05-15 11:33 CNET科技资讯网

今日,AMD一年一度的开发者峰会“APU2014”在北京拉开帷幕,这也是AMD首次在美国之外的城市举办该活动。AMD全球副总裁、大中华区董事总经理潘晓明表示,大中华区是AMD重要的战略区域,AMD希望通过本次活动在中国制造巨大的声音,让大家感受到AMD不屈不挠的精神,AMD永远在创新。

让AMD在中国发声 APU14技术创新大会首次在华召开

本次活动AMD将与大中华区的媒体、客户与A饭一同分享AMD的前沿技术与最新产品。

AMD大中华区业绩亮点

让AMD在中国发声 APU14技术创新大会首次在华召开

潘晓明表示,AMD的使命是能够凭借领先的设计和整合技术,成为创新型、定制化高科技解决方案领域的领军企业。

AMD全球的台式机总部已经移到了中国,而且AMD在北京、苏州、上海、香港、台湾等地都设有机构,其中苏州工厂是AMD大中华区产品的主要生产地,为AMD全球产能的贡献超过30%,而研发部门则设在了北京和上海,在XBOX ONE及PS4相关产品的研发与成功起到了关键作用。

潘晓明在讲到大中华区的业绩时非常激动,他表示大中华区市场为AMD全球PC业务营收贡献超过30%,其中在渠道台式机和AIB市场的业务年营收增长分别为33%与19%。

解读AMD制胜之道

AMD在大中华区取得这么好的成绩,与AMD的策略是分不开的,潘晓明说道。

在大中华区AMD做到了注重高增长市场、挺近商用市场与坚守消费市场,这也是AMD在大中华区的制胜之道。

AMD从2012年开始与ARM的合作,摆脱了单一的X86架构路线,加入了ARM生态系统,AMD也是业界唯一同时拥有x86和ARM双架构计算产品的厂商。AMD也在今年正式推出了业界首款代号为“Seattle”的64位ARM架构服务器处理器“Opteron A1100”。

AMD致力于开拓半定制化业务,同时也在提升专业显卡采用率方面下了很大功夫。在商用领域,AMD在商用台式机以及笔记本领域进行进攻策略,也赢得了嵌入式解决方案的目标市场。AMD一直表示游戏是DNA,AMD也专注游戏策略,同时保持了在渠道台式机和AIB市场的领先地位。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-