2023 极术通讯-2023新型算力中心调研报告发布,揭秘全国十大云数据中心

导读:极术社区推出极术通讯,引入行业媒体和技术社区、咨询机构优质内容,定期分享产业技术趋势与市场应用热点。

芯方向

AMBA AHB的burst termination

在AMBA AHB协议中,AHB master可以用burst传输连续取多笔数据。AHB定义了4、8和16拍的burst传输、未定义长度的burst传输和单次传输。Burst传输中支持incrementing和wrapping。那么burst传输允许没发完全部的beat就终止(termination)吗?答案是满足一定的条件就可以提前终止,不过AXI是无法提前终止的。本文探讨了Burst termination三个场景。(来源:极术社区Arm AMBA 协议集专栏)

Linux Perf底层数据收集机制解读

本文为公开课回放视频,由软硬件协同架构师和性能优化领域专家李成栋,基于他的专业见解和实践经验对Linux Perf的底层数据收集机制进行深度解析。(来源:极术社区Arm软件开发者专栏)

软硬协同优化 (1):高层综合编译技术

随着摩尔定律逐渐失效,领域专用加速器(Domain-Specific Accelerator,DSA)成为一个热门研究方向,并在数字信号处理、视频编解码、AI训练/推理等特定领域大放异彩。从算法及其实现方式的角度来看,按照传统的电路设计模式,即便是经验老道的硬件工程师也需要耗费可观的时间完成设计,大部分软件工程师更是无从下手。是否能够实现算法到硬件电路的自动转换,让只熟悉算法的工程师也能享受到领域专用加速器的红利呢?本文所介绍的高层综合(High-Level Synthesis,HLS)技术给出了答案。(来源:极术社区嵌入式AI专栏)

言简意赅 | 旷视最新研究 ChatSpot: 让多模态大语言模型“更懂你的心”!

本文介绍了旷视基础模型小组最新研究的工作——ChatSpot。ChatSpot是一个提升多模态大语言模型“精确指代”(亦即交互)能力的探索工作,即非拼接的、能读懂用户“自然语言”以外的指令,如鼠标/手指的点击、拖拽等指代行为的交互式多模态 LLM。文章同时演示了相关Demo效果。(来源:极术社区旷视研究院专栏)

Intel Top-down方法学综述

Top-down方法学由Intel提出,是一种软件性能分析技术。在众多软件性能分析技术中,Top-down使用了最多的硬件信息,与处理器微架构设计关系最为密切。目前,Top-down方法学已经成为服务器、桌面机领域进行软件性能分析的标准方法之一。本文对Top-down方法学及工具进行了详细介绍。(来源:极术社区非典型程序员发布)

芯观察

免费下载|业界首个以算网融合为核心的多元算力研究报告

为助力产业内伙伴增进对算网融合的理解,益企研究院基于2022年“数字中国万里行”实地考察的位于全国一体化算力网络国家枢纽节点的数十个云数据中心、超算中心和智算中心,结合多年来对CPU、GPU等算力技术发展的持续追踪,撰写了《算力经济时代·2023新型算力中心调研报告》。报告内容内容涵盖算力经济时代的基础设施、多元算力、算存互连、算力互连、绿色低碳和可持续发展。文末可免费下载。(来源:极术社区E企实验室发布)

英伟达GH200解读 & 国内外AI芯片发展情况

英伟达在5月29日台北computex峰会发布了使用Grace-Hopper系列的DGX GH200超算。该超算典型配置为256个GH200(每个芯片1U服务器)+96个L1层NVLINK交换机+36个L2层NVLINK交换机+24个IB交换机+42个以太网交换机,算力达到1EFLOPS(FP8),客户预计定位于北美云巨头。本文基于此事件以问答的方式分析了GH200以及国内外AI芯片发展情况。(来源:极术社区企业存储技术专栏)

详解福特电气化智能化战略:降本增效,电池保供,智能化软件定义汽车

最近福特举行了投资日,本文作者基于投资日的信息分享了福特如何从产品端和运营端降本增效,制定电池供应链策略和电气化战略,软件定义汽车以及走好智能驾驶这步棋。(来源:极术社区Vehicle公众号专栏)

走向实用的AI编解码

基于AI的端到端数据压缩方法受到越来越多的关注,研究对象已经包括图像、视频、点云、文本、语音和基因组等,其中AI图像压缩的研究最为活跃。图像编解码的研究和应用历史悠久,AI方法要达到实用,需要解决诸多问题才能取得相比于传统算法更好的性价比。LiveVideoStackCon 2022北京站邀请了清华大学的王岩教授,分享了关于AI图像编解码落地方面的一些经验和研究成果 ,本文为分享的记录整理。(来源:极术社区LiveVideoStack专栏)

理解学习曲线:芯片工作中的平台价值和个人价值

作为一名芯片工程师,从毕业出到步入公司的第一天开始,需要完成一次明显的转变,随着工作的日益开展和项目推进,个人能力的也得到了潜移默化的提升,当我们回看个人的知识/技能成长的曲线时,可能会发现很多的发生和变化,和自己当初的规划不太一样,再向前看,也会发现未来的要求和我们手上的技能貌似还有很大的差异,那么到底怎样的学习曲线时合理和科学的呢?本文作者分享了一些自己的思考。(来源:极术社区LiveVideoStack专栏)

相关阅读

更多内容可关注极术通讯专栏

猜你喜欢

转载自blog.csdn.net/weixin_47569031/article/details/131534830