
英特尔子公司Silicon Mobility发布最新OLEA U310 SoC,显著提升电动汽车的整体性能,简化设计和生产流程,并拓展SoC服务,确保可以在各种EV充电平台中无缝运作。
在全球范围内,电动汽车的高昂售价仍然是影响潜在买家下单的最大障碍之一。电动汽车目前的制造成本高于传统燃油汽车的主要原因,是先进的电池和电机技术所带来的昂贵成本。市面上近期的解决方案是通过车辆层面的节能,包括改进与电动汽车充电基础设施的整合,来提升现有电池技术的效率。
Silicon Mobility在行业中率先推出集硬件和软件于一体的完整解决方案。OLEA U310经过专门设计,可与分布式软件相结合,满足电气架构中动力系域控制的需求。基于独特的混合和异构架构,单个OLEA 310 FPCU可替代一个系统组合中的最多6个标准微控制器,来并行控制逆变器、电机、变速箱、DC-DC转换器以及车载充电。使用310 FPCU,OEM和Tier 1供应商能够同时实现对多个不同功率和能量功能的实时控制。除了物料清单(BoM)的减少,早期数据显示,与现在的电动汽车相比,在相同功率下,OLEA 310的使用可将能效提高5%,电机尺寸缩小25%,冷却需求减少35%,无源元件尺寸缩小30倍。
Silicon Mobility全新解决方案的推出,让电动汽车厂商能够设计出性能卓越、续航里程更远、生产成本可能更低的软件定义电动汽车,因为需要集成的元件数量减少了。这一全新解决方案与英特尔汽车业已推出的AI增强型软件定义汽车(SDV)SoC系列相结合,将共同推动行业向全电动和软件定义的未来转型。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。