7月30日,紫光股份旗下新华三集团正式宣布自主研发的高端可编程网络处理器芯片智擎660启动量产。智擎系列芯片全面商用,将为国内ICT产业构建完整的网络芯片供应链体系,为智能网络建设注入核“芯”动力。
广泛应用于数通领域智擎660同步接受外部订单
作为国内唯一支持高级语言编程的网络处理器芯片,智擎660集成256个专用处理器,总计4096个硬件线程,支持12路LPDDR5控制器,内含180亿晶体管,接口吞吐能力高达1.2Tbps。智擎660具备超高集成度、高性能、大容量、可扩展性强、绿色节能等突出优势,可广泛应用于路由、交换、安全、无线等数据通信领域。
新华三集团副总裁、半导体产品线总裁孔鹏亮表示,智擎660将不仅仅应用于新华三内部各个网络产品,同时将于2021年8月起开始接受外部客户订单,为网络升级创新提供芯动力。
此外,下一代智擎芯片也已进入开发阶段,预计将于2022年正式发布。下一代智擎芯片将使用更先进的工艺和更先进的封装技术,刷新智能网络处理器的性能高度。
重磅推出智擎OS+开发套件加速拓展芯应用
作为智擎芯片体系的重要组成,新华三集团还推出业内首款面向网络业务处理而打造的专用操作系统——智擎操作系统(Engiant OS)。全新发布的智擎OS拥有超轻量化、超快速响应、管理模块丰富的三大核心优势。
为了支持开发者更加快速、便捷、高效的使用智擎芯片,新华三集团同步推出智擎完整开发套件。开发套件涵盖SDK开发包(Software Development Kit)、PDK开发包(Packet-processing Development Kit)、集成仿真器,同时提供可视化编程工具——智擎IDE集成开发环境,支持C语言编程,可根据用户需求自动生成推荐代码,开发者可以在智擎的框架代码上根据不同业务开发不同功能特性,满足不同应用场景,大幅提升研发效率、降低研发成本。
推出智擎BOX开启软件定义设备新时代
除了支持新华三集团内部产品之外,基于智擎660芯片打造的智擎BOX(EngiantBOX)将于今年Q4开始销售,智擎BOX是一款具备48个10GE/25GE端口 + 8个100GE端口的设备,用户通过加载不同的软件应用,可以作为路由器、交换机、安全网关、无线控制器等不同的网络设备应用,智擎BOX的推出宣告开启软件定义设备的新时代,助力行业自由定义网络设备。
智擎战略“三步走”勾画智联芯蓝图
网络处理器芯片作为网络通信产品的核心器件,直接定义了网络设备的能力边界。面向未来,新华三在芯片研发上提出“突破关键技术、拓展芯云生态、引领数字未来”的三阶段发展战略,致力勾画智能联接的芯蓝图。
同时,为助力中国集成电路设计产业发展,新华三半导体与紫光云以紫光芯片云2.0为基础,携手打造一站式云端芯片平台,促进芯片设计企业降本增效,实现高速稳健发展。
从核芯技术的突破,到智慧城市的建设,新华三集团正以全面的创新实力,持续完善“芯-云-网-边-端”战略布局,为“数字中国”发展和布局贡献重要的数字力量。未来,新华三将基于“云智原生”战略和“数字大脑2021”,秉承开放、共赢、成长的心态,携手合作伙伴共创智慧未来,以芯科技助力百行百业加快智能化时代的数字化转型,绘就智慧、敏捷、可靠、安全的未来世界。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。