
2015年6月16日,主题为“数据智能,跨界互联”的第十三届中国国际软件和信息服务交易会(China International Software & Information Service Fair 2015)于大连世界博览广场盛大开幕。设计并集成尖端技术的半导体行业巨头AMD公司与众多行业领先企业共襄盛举,众多知名IT企业、知名研究咨询机构高管以及业界知名演讲嘉宾等做了精彩演讲。
AMD全球副总裁、中国研发中心总经理李新荣(Allen Lee)先生应大会主办方盛情邀请,发表了题为“卓越的图形处理缔造智能互联世界”的主题演讲,同与会嘉宾及媒体分享了AMD如何将GPU的应用范围超越图形处理领域,扩展到图片处理、语音识别、深度神经网络,及以大数据分析为代表的高性能计算应用当中。
AMD全球副总裁、中国研发中心总经理李新荣先生在CISIS大会上做主题演讲
如今在全球范围内,无论是面向教育、医疗、虚拟社交、游戏娱乐还是硬创团队,虚拟现实技术都是一个炙手可热的话题。作为在GPU图形显示领域颇具领先技术优势的企业,AMD一直非常看重这一领域,也在为未来的娱乐体验进行研发投入。AMD全球副总裁、中国研发中心总经理李新荣表示:“随着屏幕的增加和分辨率的提高,用户快速适应了应用于游戏和其他领域中的虚拟现实技术,可想而知数十亿个传感器同时运行会产生越来越多的数据,因此单靠CPU已经不能满足日渐增大的需求。AMD作为目前业内唯一一家可以同时提供高性能CPU和GPU技术的半导体公司,不仅专注于提供差异化技术,同时也特别重视软件业务,最终做到为市场带来整体解决方案。”
此前,AMD在纽约召开的分析师大会(Financial Analyst Day)上发布了未来几年发展战略的详细内容,这一战略旨在为游戏、临境感平台和数据中心等主要领域提供新一代技术,通过高性能、差异化产品来提高整体盈利能力。AMD总裁兼首席执行官苏姿丰博士(Dr. Lisa Su)在会上也曾提到:“我们发现,在高性能计算和可视化方面丰富的市场领域中,有着强劲的、长期的发展机遇,只有AMD能为二者提供技术能力。我们针对最具潜力的机遇增加投资,助力客户打造出更伟大的产品,变不可能为可能,从而实现AMD在未来的盈利增长。”
众所周知,虚拟现实技术给我们带来梦幻般临境感体验的同时,对显卡等硬件的要求极高。对于一家同时拥有高性能运算以及强大图形处理能力的企业来说,AMD的显卡多年来一直备受游戏玩家和网吧业主等人群的青睐。此外,在日前召开的分析师大会上,AMD曾透露在下一代显卡上将首次使用革命性的高带宽显存(HBM)技术,再配合上AMD独有的FreeSync、LiquidVR与4K技术,将为游戏玩家、网吧业主带来卓越的使用体验及解决方案。
6月初在台北国际电脑展(computex)上,AMD发布了代号为“Carrizo”的全球首款使用系统级芯片(SoC)设计的第六代A系列高性能加速处理器(APU)。据悉,AMD近期还将在美国太平洋时间6月16日的E3展会上发布全新一代显卡产品,为显卡市场注入新的活力。作为一个同时提供高性能CPU和GPU技术的半导体公司,AMD目前多产品线组合拳策略惊喜不断。未来,AMD势必将凭借高性能运算以及卓越的图形处理技术为我们缔造全新的智能互联世界。
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。