头条 2025Q3数据中心GPU出货环比暴增145% 11 月 25 日消息，机构 Jon Peddie Research (JPR) 当地时间昨日表示，根据其 2025Q3 市场观察报告，上季度全球数据中心 GPU 出货规模环比增幅达 145%，而 PC GPU（含独显与核显）出货则呈现温和增长态势，环比 +2.5%、同比 +4%。 最新资讯 消息称三星电子完成SF4X UCIe原型芯片首次性能评估 6 月 18 日消息，韩媒 etnews 当地时间昨日报道称，三星电子以 4nm 制程面向 HPC / AI 高性能芯片的衍生变体 SF4X 制造的 UCIe 原型芯片完成了首次性能评估。 发表于：6/19/2025 AMD发布CDNA 4架构 AMD发布CDNA 4架构：HBM3E加持，聚焦提升AI负载能力 发表于：6/19/2025 特斯拉HW5芯片被曝已开始量产 6 月 19 日消息，汽车媒体 NotATeslaApp 昨日（6 月 18 日）发布博文，报道称特斯拉“AI5 / HW5”下一代 FSD（完全自动驾驶）芯片已进入量产阶段，由台积电和三星共同代工。 发表于：6/19/2025 碳化硅大厂Wolfspeed即将申请破产 6月19日消息，据路透社等外媒报道，碳化硅（SiC）材料领导厂商Wolfspeed即将申请破产，将由Apollo Global Management 带领的债权人接管，股价暴跌30.14%，收于0.8732美元/股，年初迄今已跌去了86.89%。 发表于：6/19/2025 中国科学院研制出超高并行光计算集成芯片流星一号 6 月 18 日消息，光计算以光子作为载体，实现信息传递、交互与计算，具有低功耗、低时延、高并行的天然优势，是后摩尔时代建设新质算力基础设施的有效途径，为人工智能、科学计算、多模态融合感知、超大规模数据交换等“算力密集 + 能耗敏感”场景提供硬件加速。 发表于：6/19/2025 平衡AI投资支出 微软计划再裁员数千人 6月19日消息，据媒体报道，微软（MSFT.US）正计划进行新一轮大规模裁员，预计将影响数千个工作岗位，其中销售部门将成为重灾区。此举是微软为控制员工规模采取的最新措施，主要动因在于该公司在人工智能领域投入巨大，需要平衡整体开支。 据知情人士透露，裁员计划预计在本月底前（微软财年结束之际）正式公布。虽然主要针对销售团队，但具体裁员规模和最终时间仍存在变数。这将是继今年5月裁员约6000人（主要涉及产品和工程岗位）后的又一次人员缩减。 值得注意的是，微软4月份已向员工透露，将借助第三方公司拓展对中小客户的软件销售业务，这为此次销售团队调整埋下了伏笔。 微软表示，公司会定期评估组织架构，以确保投资聚焦于增长领域。由于在服务器和数据中心等AI基础设施上投入了数百亿美元，微软高管已向华尔街承诺并将向员工强调，需要严格控制其他方面的成本。 截至2024年6月底，微软全球员工总数约为22.8万人，其中从事销售和市场营销工作的员工达4.5万人。微软通常在6月底财年结束前后进行团队重组和业务调整。 发表于：6/19/2025 微软宣布与AMD达成多年战略合作 6月18日消息，微软在最新的视频中宣布与AMD达成多年战略合作，双方将共同设计包括下一代Xbox主机在内的多款设备芯片。 微软Xbox部门总裁莎拉·邦德在视频中表示，微软与AMD的合作将涵盖多种设备，包括次世代Xbox主机和掌机。 发表于：6/19/2025 华为：未来五年5G车联网占比将提升至95% 6月18日消息，今日，在2025MWC上海期间，华为轮值董事长徐直军表示：“2025年中国乘用车销量中5G车联网占比达30%，2026-2030年将逐步提升至95%。” 发表于：6/19/2025 电力系统较大波动数据条目自适应检索方法研究 针对电力系统数据具有复杂性、多样性特点，导致检索难度过高的问题，设计了电力系统较大波动数据条目自适应检索方法。依据电力系统出力变化率，选取二分量一维混合高斯模型，构建电力系统波动概率分布模型。对比概率分布模型模拟的电力系统波动数据与量测数据，依据判定阈值辨识电力系统较大波动数据条目，构建数据条目检索库。利用哈希函数获取检索库内较大波动数据条目的哈希特征，生成二值码。较大波动数据条目检索时，生成用户检索词的二值编码，计算检索词二值码与检索库内条目二值码的汉明距离，并对其加权处理，利用加权汉明距离排序数据条目，获取较大波动数据条目的自适应检索结果。实验结果表明，该方法能够依据用户输入的检索词，自适应检索电力系统较大波动数据条目，检索结果的归一化折损累积增益均高于0.9，检索时间低于500 ms。 发表于：6/18/2025 基于机器阅读理解的电力安全命名实体识别方法 为解决现有命名实体识别方法在电力安全规程等领域文本中识别效果不佳的问题，提出了一种基于机器阅读理解的电力安全命名实体识别方法。首先，使用预训练模型对待识别文本进行编码处理得到文本向量表示。其次，利用层次化注意力机制捕捉嵌套实体间的层次关系，重新分配文本序列的注意力权重；在此基础上，利用分类器预测文本中实体范围，得到最终实体识别结果。将该方法在ACE 2005与OntoNotes 4.0公开数据集上进行验证，对比主流方法其取得最优的识别效果，在电力安全领域实体识别场景下，该方法可达到89.3%的识别准确率，实现电力安全领域命名实体的精准识别。 发表于：6/18/2025 «…56575859606162636465…»
