AMD發(fā)布CDNA 4架構(gòu)

AMD發(fā)布CDNA 4架構(gòu)：HBM3E加持，聚焦提升AI負載能力

發(fā)表于：6/19/2025

特斯拉HW5芯片被曝已開始量產(chǎn)

6 月 19 日消息，汽車媒體 NotATeslaApp 昨日（6 月 18 日）發(fā)布博文，報道稱特斯拉“AI5 / HW5”下一代 FSD（完全自動駕駛）芯片已進入量產(chǎn)階段，由臺積電和三星共同代工。

發(fā)表于：6/19/2025

碳化硅大廠Wolfspeed即將申請破產(chǎn)

6月19日消息，據(jù)路透社等外媒報道，碳化硅（SiC）材料領(lǐng)導廠商Wolfspeed即將申請破產(chǎn)，將由Apollo Global Management 帶領(lǐng)的債權(quán)人接管，股價暴跌30.14%，收于0.8732美元/股，年初迄今已跌去了86.89%。

發(fā)表于：6/19/2025

中國科學院研制出超高并行光計算集成芯片流星一號

6 月 18 日消息，光計算以光子作為載體，實現(xiàn)信息傳遞、交互與計算，具有低功耗、低時延、高并行的天然優(yōu)勢，是后摩爾時代建設(shè)新質(zhì)算力基礎(chǔ)設(shè)施的有效途徑，為人工智能、科學計算、多模態(tài)融合感知、超大規(guī)模數(shù)據(jù)交換等“算力密集 + 能耗敏感”場景提供硬件加速。

發(fā)表于：6/19/2025

平衡AI投資支出 微軟計劃再裁員數(shù)千人

6月19日消息，據(jù)媒體報道，微軟（MSFT.US）正計劃進行新一輪大規(guī)模裁員，預計將影響數(shù)千個工作崗位，其中銷售部門將成為重災區(qū)。此舉是微軟為控制員工規(guī)模采取的最新措施，主要動因在于該公司在人工智能領(lǐng)域投入巨大，需要平衡整體開支。 據(jù)知情人士透露，裁員計劃預計在本月底前（微軟財年結(jié)束之際）正式公布。雖然主要針對銷售團隊，但具體裁員規(guī)模和最終時間仍存在變數(shù)。這將是繼今年5月裁員約6000人（主要涉及產(chǎn)品和工程崗位）后的又一次人員縮減。 值得注意的是，微軟4月份已向員工透露，將借助第三方公司拓展對中小客戶的軟件銷售業(yè)務(wù)，這為此次銷售團隊調(diào)整埋下了伏筆。 微軟表示，公司會定期評估組織架構(gòu)，以確保投資聚焦于增長領(lǐng)域。由于在服務(wù)器和數(shù)據(jù)中心等AI基礎(chǔ)設(shè)施上投入了數(shù)百億美元，微軟高管已向華爾街承諾并將向員工強調(diào)，需要嚴格控制其他方面的成本。 截至2024年6月底，微軟全球員工總數(shù)約為22.8萬人，其中從事銷售和市場營銷工作的員工達4.5萬人。微軟通常在6月底財年結(jié)束前后進行團隊重組和業(yè)務(wù)調(diào)整。

發(fā)表于：6/19/2025

微軟宣布與AMD達成多年戰(zhàn)略合作

6月18日消息，微軟在最新的視頻中宣布與AMD達成多年戰(zhàn)略合作，雙方將共同設(shè)計包括下一代Xbox主機在內(nèi)的多款設(shè)備芯片。 微軟Xbox部門總裁莎拉·邦德在視頻中表示，微軟與AMD的合作將涵蓋多種設(shè)備，包括次世代Xbox主機和掌機。

發(fā)表于：6/19/2025

華為：未來五年5G車聯(lián)網(wǎng)占比將提升至95%

6月18日消息，今日，在2025MWC上海期間，華為輪值董事長徐直軍表示：“2025年中國乘用車銷量中5G車聯(lián)網(wǎng)占比達30%，2026-2030年將逐步提升至95%?！?/a>

電力系統(tǒng)較大波動數(shù)據(jù)條目自適應檢索方法研究

針對電力系統(tǒng)數(shù)據(jù)具有復雜性、多樣性特點，導致檢索難度過高的問題，設(shè)計了電力系統(tǒng)較大波動數(shù)據(jù)條目自適應檢索方法。依據(jù)電力系統(tǒng)出力變化率，選取二分量一維混合高斯模型，構(gòu)建電力系統(tǒng)波動概率分布模型。對比概率分布模型模擬的電力系統(tǒng)波動數(shù)據(jù)與量測數(shù)據(jù)，依據(jù)判定閾值辨識電力系統(tǒng)較大波動數(shù)據(jù)條目，構(gòu)建數(shù)據(jù)條目檢索庫。利用哈希函數(shù)獲取檢索庫內(nèi)較大波動數(shù)據(jù)條目的哈希特征，生成二值碼。較大波動數(shù)據(jù)條目檢索時，生成用戶檢索詞的二值編碼，計算檢索詞二值碼與檢索庫內(nèi)條目二值碼的漢明距離，并對其加權(quán)處理，利用加權(quán)漢明距離排序數(shù)據(jù)條目，獲取較大波動數(shù)據(jù)條目的自適應檢索結(jié)果。實驗結(jié)果表明，該方法能夠依據(jù)用戶輸入的檢索詞，自適應檢索電力系統(tǒng)較大波動數(shù)據(jù)條目，檢索結(jié)果的歸一化折損累積增益均高于0.9，檢索時間低于500 ms。

發(fā)表于：6/18/2025

基于機器閱讀理解的電力安全命名實體識別方法

為解決現(xiàn)有命名實體識別方法在電力安全規(guī)程等領(lǐng)域文本中識別效果不佳的問題，提出了一種基于機器閱讀理解的電力安全命名實體識別方法。首先，使用預訓練模型對待識別文本進行編碼處理得到文本向量表示。其次，利用層次化注意力機制捕捉嵌套實體間的層次關(guān)系，重新分配文本序列的注意力權(quán)重；在此基礎(chǔ)上，利用分類器預測文本中實體范圍，得到最終實體識別結(jié)果。將該方法在ACE 2005與OntoNotes 4.0公開數(shù)據(jù)集上進行驗證，對比主流方法其取得最優(yōu)的識別效果，在電力安全領(lǐng)域?qū)嶓w識別場景下，該方法可達到89.3%的識別準確率，實現(xiàn)電力安全領(lǐng)域命名實體的精準識別。

發(fā)表于：6/18/2025

數(shù)據(jù)驅(qū)動的商業(yè)負荷集群動態(tài)聚合研究

商業(yè)負荷集群的動態(tài)聚合對提高電網(wǎng)的調(diào)度靈活性、優(yōu)化需求側(cè)管理以及促進可再生能源消納具有重要意義?；诘湫拖嚓P(guān)分析（CCA）選取商業(yè)負荷特征，并結(jié)合DBSCAN 和 K-means等聚類算法對負荷進行分類，以構(gòu)建適用于不同場景的負荷集群。進一步，提出了三種負荷聚合標準，即基于調(diào)節(jié)速度、負荷穩(wěn)定性和經(jīng)濟性的標準，并分析不同標準下的商業(yè)負荷聚合特性、適用性及其在電力調(diào)度中的潛在應用。

發(fā)表于：6/18/2025