北京时间7月16日消息,由于在电脑芯片上封装更多电路的难度加大,英特尔预计下一代生产工艺将推迟6个月甚至更久。
英特尔CEO科再奇(Brian Krzanich)预计,采用下一代制造技术的芯片可能要到2017年下半年才能面市。
英特尔多年以来基本都以每2年更新一次的速度改进生产工艺,基本与该公司联合创始人戈登·摩尔(Gordon Moore)50年前提出的“摩尔定律”保持一致。但要继续追赶“摩尔定律”的步伐却越来越困难。
最新的生产工艺将采用14纳米技术。英特尔上一次升级生产工艺时就推迟了6个月,当时的工艺为14纳米。
这些芯片大约在2014年第二季度实现量产,表明下一代10纳米芯片大约会在2016年年中投产。但科再奇表示,制造工艺的改进速度正在放慢,因此将该计划推迟到了2017年下半年。
“最近的技术进步表明,我们的节奏已经从2年逐步向2年半靠拢。”他说。
科再奇表示,为了填补这一空白,该公司将在2016年下半年推出一组代号为Kaby Lake的全新14纳米芯片。
“我们预计,在既有路线图之外额外推出的这些产品将带来新的功能,并将提升性能,还帮助我们更加顺畅地过渡到10纳米技术。”他说。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。