2024 年 6 月 5 日,中国上海 — 台北国际电脑展 — Micron Technology, Inc.(美光科技股份有限公司,纳斯达克代码:MU)今日宣布,出样业界容量密度最高的新一代 GDDR7 显存。[1] 美光 GDDR7 采用美光的 1β(1-beta)DRAM 技术和创新架构,以优化的功耗设计打造了速率高达 32 Gb/s 的高性能内存。美光 GDDR7 的系统带宽超过 1.5 TB/s,[2] 较 GDDR6 提升高达 60%,[3]并配备四个独立通道以优化工作负载,从而实现更快的响应时间、更流畅的游戏体验和更短的处理时间。与 GDDR6 相比,美光 GDDR7 的能效提升超过 50%,实现了更优的散热和续航;[4] 全新的睡眠模式可将待机功耗降低高达 70%。[5] 美光 GDDR7 还具备领先的可靠性、可用性及适用性(RAS),在不影响性能的同时,增强了设备可靠性和数据完整性,使美光 GDDR7 适用于包括人工智能、游戏和高性能计算在内广泛的工作负载。
美光 GDDR7 性能强劲,可使生成式 AI 工作负载6,如文本到图像的创建等的吞吐量提升高达 33%,同时缩短响应时间至多 20%。美光预计,相较于当前的 GDDR6 和 GDDR6X,搭载 GDDR7 的显卡在 1080p、1440p 和 4K 分辨率下,光线追踪和光栅化的每秒帧数(FPS)将提升超过 30%。7 GDDR7 的推出,进一步完善了美光业界领先产品组合,为 CPU、NPU 和 GPU 组件的边缘 AI 推理应用提供了 DDR、LPDDR 和 GDDR 内存的选项。针对游戏应用,美光 GDDR7 凭借卓越的性能和帧缓冲缩放技术,为玩家带来 AI 增强的游戏体验,包括灵活多变的地形、玩家角色和故事情节。
美光副总裁暨计算产品事业群总经理 Praveen Vaidyanathan 表示:“美光再次引领了内存创新,推出当今最高带宽的显存解决方案,凭借先进制程和接口技术,持续巩固了公司在图形性能领域的领先地位。美光 GDDR7 内存凭借顶尖的性能,为要求最严苛的应用场景带来全新水准的真实感和卓越性能。”
美光 GDDR6X 历经五年多成功的大规模量产,始终保持着世界一流的性能和质量。这些相似的特性,结合成熟的技术、设计和测试经验,将有助于加速 GDDR7 的普及,并为该产品的扩产提供全面支持。美光在 GDDR6X 上引入了 PAM4 信号传输技术,相实现了比 GDDR6 提升 20% 以上的领先性能。8 PAM4 的成功为美光在 GDDR7 产品组合中继续以 PAM3 保持领先地位奠定了基础。同时,工程技术的进步,如成功测量业界首个 40 Gb/s PAM3 的性能,则为未来 GDDR7 产品实现更高性能铺平了道路。
Micron GDDR7 内存解决方案的生态系统赋能者
AMD 高级副总裁兼企业院士 Joe Macri 表示:“AMD 致力于为玩家打造最身临其境的游戏体验。我们与美光在 GDDR7 上的合作推动了这一共同目标。我们对美光 GDDR7 的推出感到兴奋,并期待利用这一技术使游戏响应更加迅速、体验更逼真。”
Cadence 高级副总裁兼芯片解决方案事业部总经理 Boyd Phelps 表示:“Cadence 与美光有着深厚的合作历史,共同开发了业界领先的 GDDR、HBM、DDR和 LPDDR 内存 IP 子系统解决方案。我们正在使用基于美光领先 1β DRAM技术的 GDDR7 样片,对速率高达 36 Gb/s 的 GDDR7 PHY IP进行测试和验证。”
好文章,需要你的鼓励
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
麻省理工学院研究团队发现大语言模型"幻觉"现象的新根源:注意力机制存在固有缺陷。研究通过理论分析和实验证明,即使在理想条件下,注意力机制在处理多步推理任务时也会出现系统性错误。这一发现挑战了仅通过扩大模型规模就能解决所有问题的观点,为未来AI架构发展指明新方向,提醒用户在复杂推理任务中谨慎使用AI工具。
Meta为Facebook和Instagram推出全新AI翻译工具,可实时将用户生成内容转换为其他语言。该功能在2024年Meta Connect大会上宣布,旨在打破语言壁垒,让视频和短视频内容触达更广泛的国际受众。目前支持英语和西班牙语互译,后续将增加更多语言。创作者还可使用AI唇形同步功能,创造无缝的口型匹配效果,并可通过创作者控制面板随时关闭该功能。
中科院自动化所等机构联合发布MM-RLHF研究,构建了史上最大的多模态AI对齐数据集,包含12万个精细人工标注样本。研究提出批评式奖励模型和动态奖励缩放算法,显著提升多模态AI的安全性和对话能力,为构建真正符合人类价值观的AI系统提供了突破性解决方案。