不断增加的数据处理和数据传输带宽需求使得业界对更低单位端口功耗、更优性能且更高端口密度器件的需求也在日益增加。博通全新的物理层器件能够将功耗降低30%,并为寻求更优性能及更大带宽容量的企业与服务提供商网络提供更强大的功能设置和灵活的路径兼容迁移路径。
博通副总裁兼物理层产品部门总经理Lorenzo Longo表示:“随着网络带宽与流量需求的不断增加,将产品迁移至更轻巧的产品设计中并大幅降低功耗对于我们的客户来说尤为重要。为此,博通持续加大对相关技术的投资力度,推出了具备领先功能设置的低功耗EDC/LRM 物理层器件。”
基于EDC技术的BCM82780能够通过支持LRM来实现10/40GbE数据传输。此外,BCM82780还能够应对短距离(SR)、长距离(LR)以及超长距离(ER和ZR)光纤接口,更灵活地支持多种高带宽应用。多速率物理层器件能够完美地适用于前板上的单模光纤(SMF)、多模光纤(MMF)或双轴铜缆应用。该器件具有全DSP高速前端,可以为线路卡设计人员在40GbE、10GbE或1GbE系统上提供最佳的性能与灵活性。
主要特性:
上市时间
博通BCM82780现已提供样片。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。