123,123

頭條

2025Q3數(shù)據(jù)中心GPU出貨環(huán)比暴增145%

2025Q3數(shù)據(jù)中心GPU出貨環(huán)比暴增145%

11 月 25 日消息，機構(gòu) Jon Peddie Research (JPR) 當(dāng)?shù)貢r間昨日表示，根據(jù)其 2025Q3 市場觀察報告，上季度全球數(shù)據(jù)中心 GPU 出貨規(guī)模環(huán)比增幅達 145%，而 PC GPU（含獨顯與核顯）出貨則呈現(xiàn)溫和增長態(tài)勢，環(huán)比 +2.5%、同比 +4%。

全球首款2nm GAA手機SoC芯片正式揭曉

12月19日消息，三星今天正式發(fā)布了新一代旗艦手機SoC——Exynos 2600。Exynos 2600是全球首款采用2nm GAA工藝打造的芯片，這也是全球半導(dǎo)體行業(yè)的一個重磅里程碑。

發(fā)表于：12/19/2025

高通提前完成對Alphawave Semi的收購完善AI產(chǎn)品組合

12月19日消息，高通于當(dāng)?shù)貢r間12月18日宣布，已正式完成對Alphawave IP Group plc（Alphawave Semi）的收購，完成時間較原計劃提前約一個季度。

發(fā)表于：12/19/2025

SK海力士256GB DDR5 RDIMM通過英特爾Xeon 6 平臺認證

12月18日，韓國存儲芯片大廠SK海力士宣布，其256GB DDR5 RDIMM 內(nèi)存模塊已完成英特爾數(shù)據(jù)中心認證流程，成為業(yè)界首款通過英特爾Xeon 6 平臺驗證的同級產(chǎn)品，將進入AI 與云端數(shù)據(jù)中心應(yīng)用市場。

發(fā)表于：12/19/2025

模擬芯片大廠ADI宣布全系產(chǎn)品漲價

12月18日消息，模擬芯片大廠亞德諾半導(dǎo)體（ADI）近日向客戶發(fā)出漲價通知，計劃于2026年2月1日起對全系列產(chǎn)品進行漲價。而根據(jù)業(yè)內(nèi)消息顯示，ADI此次漲價將會針對不同客戶層級及料號推出差異化調(diào)價方案，整體的漲價幅度約為15%。其中，近千款軍規(guī)級MPNs產(chǎn)品（后綴/883）漲幅或高達30%，具體執(zhí)行細則正處于最終敲定階段。

發(fā)表于：12/19/2025

掃地機器人鼻祖iRobot CEO自曝破產(chǎn)原因

北京時間12月18日，據(jù)《日經(jīng)亞洲》報道，掃地機器人鼻祖、美國公司iRobot CEO加里·科恩(Gary Cohen)表示，未能適應(yīng)市場變化、難以與中國競爭對手抗衡，導(dǎo)致了公司破產(chǎn)。

發(fā)表于：12/18/2025

摩爾線程開源自研3DGS三維高斯濺射基礎(chǔ)庫LiteGS

12 月 17 日消息，在香港舉辦的全球圖形學(xué)領(lǐng)域?qū)W術(shù)盛會 SIGGRAPH Asia 2025 上，摩爾線程今日在 3D Gaussian Splatting Reconstruction Challenge（3DGS 重建挑戰(zhàn)賽）中憑借自研技術(shù) LiteGS 斬獲銀獎。

發(fā)表于：12/18/2025

光伏功率預(yù)測的對抗攻擊與防御研究

深度神經(jīng)網(wǎng)絡(luò)已廣泛應(yīng)用于光伏功率預(yù)測，但卻容易受到對抗攻擊的威脅。為提高預(yù)測模型的對抗魯棒性，提出了一種基于快速梯度符號法的對抗攻擊算法與一種基于對抗訓(xùn)練的防御算法?？焖偬荻确柗ㄉ删哂袝r序關(guān)聯(lián)性的對抗樣本，建立攻擊強度與預(yù)測誤差的量化關(guān)系；對抗訓(xùn)練通過結(jié)合對抗樣本，增強模型對輸入擾動的泛化能力，以抵御對抗攻擊。實驗數(shù)據(jù)表明，對抗攻擊能顯著降低模型的預(yù)測準確率，而經(jīng)過對抗訓(xùn)練的模型能有效提升魯棒性。該方法驗證了對抗攻防機制在光伏功率預(yù)測中的有效性，對電力系統(tǒng)的安全運行具有實際應(yīng)用價值。

發(fā)表于：12/17/2025

基于SABNet的自閉癥譜系障礙多模態(tài)腦影像識別研究

自閉癥譜系障礙（ASD）是一種影響社交互動、溝通和行為的神經(jīng)發(fā)展障礙，早期診斷至關(guān)重要，但在處理多模態(tài)腦數(shù)據(jù)時仍面臨挑戰(zhàn)。為此，提出了一種基于多模態(tài)特征融合的端到端模型SABNet，該模型通過稀疏自編碼器對功能數(shù)據(jù)進行特征篩選，并結(jié)合結(jié)構(gòu)數(shù)據(jù)構(gòu)建聯(lián)合特征。最終，結(jié)合雙向長短期記憶網(wǎng)絡(luò)和注意力機制提取動態(tài)序列中的重要信息，實現(xiàn)高效分類。通過在中型ASD-MRI數(shù)據(jù)集上的實驗，SABNet在分類準確率（91.21%）等核心指標上明顯優(yōu)于傳統(tǒng)方法，主成分分析進一步驗證了其有效性。該研究表明了SABNet在ASD識別中的優(yōu)異性能，并展示了多模態(tài)特征融合在腦疾病分類中的潛力。未來研究將致力于優(yōu)化模型結(jié)構(gòu)、擴大數(shù)據(jù)集規(guī)模，并提升其適用性和泛化能力。

發(fā)表于：12/17/2025

基于改進MobileNetV3-SSD的數(shù)據(jù)可視化區(qū)域?qū)崟r檢測方法

數(shù)據(jù)可視化在氣象大數(shù)據(jù)中扮演重要角色，用戶通過數(shù)據(jù)“看板”，從視覺上可以便捷地了解復(fù)雜數(shù)據(jù)的基本情況，而由于“看板”中不同數(shù)據(jù)版塊的位置和大小具有可變性，用戶難以快速尋找到自己所需的數(shù)據(jù)版塊位置?；诖耍岢鲆环N基于改進MobileNetV3-SSD的數(shù)據(jù)可視化區(qū)域?qū)崟r檢測方法，在標準SSD的基礎(chǔ)上結(jié)合MobileNetV3的注意力機制，并利用改進FPN模塊對特征信息融合，可以快速精準地找到目標數(shù)據(jù)板塊的“Title”位置，從而展示出所需的數(shù)據(jù)版塊。該改進模型在大幅削減參數(shù)量的同時，Precision、Recall、mAP分別達到了83.05%、85.02%、74.35%，CPU每次推理時間降低至244 ms。

發(fā)表于：12/17/2025

YOLO-PDS：基于改進的YOLOv11的無人機小目標檢測算法

目標檢測在遙感領(lǐng)域中具有廣泛的應(yīng)用前景。盡管目標檢測算法在自然圖像中取得了明顯的進展，但這些方法直接應(yīng)用于遙感圖像時仍然面臨諸多挑戰(zhàn)。遙感圖像的背景往往比較復(fù)雜且物體較小，導(dǎo)致前景與背景信息的分布極為不平衡。針對無人機圖像小目標和物體遮擋的問題，提出了一種基于風(fēng)車狀卷積（PinwheelConv）改進的無人機小目標檢測算法。為了改進模型對小目標的檢測效果，在骨干網(wǎng)絡(luò)中使用風(fēng)車狀卷積替換普通卷積來更好地適應(yīng)小目標提取特征，同時基于風(fēng)車狀卷積的思想設(shè)計了C2f-PC模塊來替換骨干中的C3k2模塊。為解決無人機圖像中目標遮擋嚴重的問題，創(chuàng)新性地提出了C2f-PDWR模塊來替換頸部網(wǎng)絡(luò)中的C3k2模塊，來增強模型的特征融合能力，同時引入了SEAM（Spatially Enhanced Attention Module）來改善模型對被遮擋物體的檢測效果。最后，基于YOLOv11提出對小目標檢測更加高效的YOLO-PDS模型。其在VisDrone2019數(shù)據(jù)集上所提方法較基準模型YOLOv11檢測方法mAP50提高3.7%以上，召回率提高2.2%以上。

發(fā)表于：12/17/2025

?
1
2
3
4
5
6
7
8
9
10
…
?