
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
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。