5月15日 ,业界领先的芯片和半导体IP供应商Rambus 宣布推出面向下一代人工智能(AI)个人电脑( PC)内存模块的完整客户端芯片组,包含两款用于客户端计算的全新电源管理芯片(PMIC)。PMIC是实现高效供电的关键,能够为先进的计算应用提供突破性的性能表现。这两款业界领先的全新Rambus PMIC分别是适用于LPDDR5 CAMM2(LPCAMM2)内存模块的PMIC5200,以及适用于DDR5 CSODIMM和CUDIMM的PMIC5120。
搭载 Rambus PMIC 和 SPD Hub 芯片的 LPCAMM2 内存模块
搭载 Rambus PMIC、CKD 和 SPD Hub 芯片的 DDR5 CSODIMM 内存模块
这两款PMIC与客户端时钟驱动器(CKD)和串行检测(SPD)集线器共同组成了适用于AI笔记本电脑、台式电脑和工作站内存模块的完整芯片组解决方案。此外,随着这两款全新PMIC的推出,Rambus现在可以为服务器和客户端的所有JEDEC标准DDR5和LPDDR5内存模块提供完整内存接口芯片组。
Rambus内存接口芯片高级副总裁兼总经理Rami Sethi表示:“AI客户端系统的快速普及正在推动对内存子系统的新需求,亟需具有更高带宽和优化能效的内存模块。我们正通过两款客户端PMIC进一步巩固DDR5服务器PMIC系列所建立的领先优势,这两款PMIC与我们的客户端时钟驱动器和SPD集线器一同组成了完整的DDR5和LPDDR5客户端内存模块芯片组。我们适用于LPCAMM2及DDR5 CUDIMM和CSODIMM的内存接口芯片组,可帮助客户灵活应对新一代 AI PC 平台对封装形式、容量及带宽的多样化需求。”
美光移动与客户端业务部移动产品线管理副总裁 Ross Dermott 表示:“美光在 LPCAMM2 技术方面的率先布局正推动 AI PC 计算性能的提升,并凭借前所未有的模块化和灵活性重塑行业格局。Rambus 最新推出的 PMIC 解决方案是我们下一代 LPCAMM2 模块的关键组成部分,使我们能够突破内存性能的边界,并持续巩固我们在各代 LPCAMM2 技术上的行业领先地位。”
英特尔公司内存与I/O技术副总裁Dimitrios Ziakas表示:“搭载英特尔处理器的AI PC正在开启生产力、创造力和娱乐体验的新时代。最新英特尔®酷睿™超极处理器家族采用了前沿AI增强技术,具有更强大的效率和性能。从超薄笔记本到性能强大的工作站,Rambus内存接口芯片能够为企业和个人用户所使用的各种规格尺寸的PC提供支持,帮助他们充分释放AI的强大潜力。”
IDC 执行分析师 Brandon Hoff 表示:“AI 的快速发展正在重塑 PC 市场,对内存带宽和容量的需求将持续加速增长。由先进内存接口芯片组驱动的高性能 LPDDR5 和 DDR5 内存模块,将成为释放 AI 巨大潜力的关键所在。”
为满足AI等先进工作负载的需求,数据速率在不断提升,使得信号完整性(SI)和电源完整性(PI)管理愈发重要。凭借在高性能内存领域积累30多年的经验,Rambus以其信号完整性(SI)/电源完整性(PI)方面的专业技术著称。这些专业技术有助于实现DDR5和LPDDR5内存接口芯片,以更高的性能为服务器和客户端DIMM提供卓越的信号完整性和功率效率。
为了提供最高的性能和可靠性,Rambus推出了适用于所有JEDEC标准DDR5和LPDDR5内存模块的完整内存接口芯片组,包括:
值得注意的是,近期Rambus 将亮相 2025 台北国际电脑展(COMPUTEX),现场分享最新的 LPDDR5 与 DDR5 客户端 DIMM 芯片组解决方案。欢迎联系预约,与我们的内存接口芯片专家面对面交流。
好文章,需要你的鼓励
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。