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
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。