
除性能有适度提高外,今年1月份发布的代号为Broadwell的第五代酷睿处理器提供了更长的电池续航时间。目前,大多数Windows PC和Mac都配置Broadwell(包括2014年末发布的酷睿M芯片)。
但新一代处理器一直在“等待”中,因为Broadwell被应用在PC中的时间晚于最初的预期。现在是该关注代号为Skylake的新一代酷睿芯片了。2014年9月份首次被提及的Skylake将于下个月发布。
Skylake的许多细节尚没有披露,下面是部分与Skylake有关的信息:
1、Skylake有哪些新颖之处?
在有机会对配置新CPU的PC的性能进行测试前,我们尚不清楚新一代CPU与上一代CPU之间的差别,但可以负责任地说,PC的性能和电池续航时间都会有适度提高。
由于许多Skylake系统支持无线充电解决方案,我们可能会看到“无线”计算大潮。有媒体报道称,英特尔在促使汽车厂商、宾馆和咖啡馆安装充电系统。部分Skylake系统还会配置Thunderbolt 3——速度更快的数据连接标准,但采用标准的USB-C接口。
2、首批Skylake芯片何时发售?
英特尔尚未披露官方信息,但传言(和常识)称,首批Skylake和配置Skylake的PC将在8月份发布。英特尔可能在科隆国际游戏展和英特尔开发商论坛上发布Skylake。
与以往的酷睿i系列芯片一样,面向游戏和专业PC的最高端酷睿i7将首先发布,然后是更主流的酷睿i5和i3。因此,到近10月份配置Skylake的笔记本才会大量上市销售。
3、Skylake的发布与Windows 10挂钩吗?
两者没有关联。Windows 10发布时间是7月29日,因此它的发布比Skylake要提前至少数天时间。但是,首先发布的是高端酷睿i7桌面处理器,数月后面向主流和便携式PC的Skylake才会发布。但是,Skylake和Windows 10之间应当不存在兼容性问题。
4、缘何Skylake的发布距离Broadwell如此近?
Broadwell发布时间比最初的预期要晚,被应用在PC中的时间也更晚。英特尔没有相应推迟Skylake发布时间,而是将保持原定的发布计划。这意味着,Broadwell作为最新一代处理器的时间会短于预期。
5、Skylake是向前迈出的一大步吗?
是的,至少从日常应用性能来说是这样的。英特尔把芯片更新节奏分为“tick”和“tock”。“tick”代表着物理和结构上的变化,例如转向14纳米工艺,Broadwell即是如此;“tock”代表新功能,Skylake即是如此。目前有关“tick”和“tock”哪个更重要还有争论。
听听英特尔的说法,“在每个‘tick’周期,英特尔将采用更先进的制造工艺,继续使用户享受摩尔定律带来的好处;在‘tock’周期,英特尔将利用上一代芯片的制造工艺,在处理器微架构方面引入重要创新。”
有趣的是,Skylake之后代号为Kaby Lake的英特尔芯片也将使用14纳米工艺,提高了Kaby Lake之后的下一代芯片采用10纳米工艺的可能性。目前,10纳米芯片的代号为Cannonlake,目前预计发布时间为2017年末。这意味着英特尔会连续发布两款“tock”芯片,构成“tick、tock、tock”的发布周期——2015年初的Broadwell、2015年末的Skylake和明年的Kaby Lake。
6、应当推迟购买新款PC或Mac吗?
这一问题的答案是否定的,因为Skylake与Broadwell相比主流性能并没有大幅度提高。用户喜欢的品牌推出配置Skylake的系统可能还需要数月时间。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。