— 经过 AMD 验证的解决方案可为 ODM 合作伙伴提供实现 AI 推理、传感器融合、工业互联、控制及可视化的简化路径 —
2024 年 2 月 6 日,加利福尼亚州圣克拉拉—AMD(超威,纳斯达克股票代码:AMD )今日宣布推出 AMD Embedded+,这一全新的架构解决方案将 AMD Ryzen™(锐龙)嵌入式处理器和 AMD Versal™自适应 SoC 结合到单块集成板卡上,从而提供了可扩展且高能效的解决方案,为原始设计制造商( ODM )合作伙伴加速产品上市进程。
Embedded+ 集成计算平台经过 AMD 验证,可助力 ODM 客户缩短认证和构建时间以便更快进入市场,而无需耗费额外的硬件和研发资源。采用 Embedded+ 架构的 ODM 集成支持使用通用软件平台开发低功耗、小尺寸规格及长生命周期的设计,适用于医疗、工业以及汽车应用。
AMD 工业、视觉、医疗和科学市场高级总监 Chetan Khona 表示:“在自动化系统中,传感器数据的价值会随时间推移而递减,而这些数据必须根据尽可能最新的信息运行,才能实现最低时延和确定性响应。在工业和医疗应用中,许多决策需要在几毫秒内做出。Embedded+ 能最大限度发挥合作伙伴和客户数据价值,其高能效和高性能算力使合作伙伴与客户能够专注于满足客户和市场需求。”
在同类产品中,Embedded+ 架构率先将领先的 AMD x86 计算与集成显卡和可编程硬件相结合,用于关键的 AI 推理和传感器应用。自适应计算在确定性、低时延处理方面表现出色,而 AI 引擎则能够提升高每瓦性能推理。锐龙嵌入式处理器包含高性能“ Zen ”核心和 Radeon™ 显卡,还可提供极为卓越的渲染和显示选项,提升 4K 多媒体体验,同时,内置的视频编解码器可用于 4K H.264/H.265 编解码。
低时延处理和高每瓦性能推理的结合可为关键任务实现高性能,包括将自适应计算与灵活的 I/O、用于 AI 推理的 AI 引擎以及 AMD Radeon 显卡实时集成到单个解决方案中,发挥每项技术的最大优势。
Sapphire Technology 推出首款 AMD Embedded+ ODM 解决方案
Embedded+ 还支持系统设计人员从基于 Embedded+ 架构的 ODM 板卡产品生态系统中进行选择,并扩展其产品组合,从而提供最适合客户目标应用的性能和功耗配置。
首款基于 Embedded+ 架构的 ODM 解决方案为 Sapphire Edge+ VPR-4616-MB,这是一款来自 Sapphire Technology 的低功耗 Mini-ITX 主板。它采用锐龙嵌入式 R2314 处理器和 Versal AI Edge VE2302 自适应 SoC,以低至 30W 的功耗提供了全套功能。此外,VPR-4616 还适用于全系统,包括内存、存储、电源和机箱。
Sapphire Technology 全球营销高级副总裁 Adrian Thompson 表示:“借助采用经过验证且可靠的计算架构,我们得以集中资源用于加强产品其他方面,进而缩短产品上市进程并降低研发成本。Embedded+ 是一款出色的简化平台,可用于构建具备领先性能和功能的解决方案。”
Sapphire Technology 的 Embedded+ 认证 VPR-4616-MB 将于发布之时即刻可供客户进行采购。
相关资源
· 进一步了解 AMD Embedded+
· 购买 Sapphire Edge+ VPR-4616-MB
好文章,需要你的鼓励
当前AI技术正引发一场"认知迁移",重新定义专业价值和工作方式。不同于以往技术革命,AI不仅自动化任务,更开始承担判断、语言和创意表达,模糊了人机界限。面对这一转变,专业人士呈现五种态度:积极拥抱者、被动适应者、主动抵制者、未受影响者和边缘化群体。AI采用速度超越理解速度,重塑认知领域的同时也带来身份认同危机。这场迁移将重新定义角色、价值观和整个职业阶层,需要制度层面的具体应对措施。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
企业持续投资云优先战略,但大型数据库云迁移面临复杂挑战。通过"规划-构建-运行"结构化方法,IT领导者可成功完成本地系统云迁移。关键包括:制定迁移策略、评估环境复杂性、选择数据传输和同步工具、创建测试计划、执行迁移并保持同步,最后优化云运营、确保安全合规。云迁移不仅是数据搬迁,更是创新增长平台的构建过程。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。