123,123

頭條

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

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

全球首款2nm GAA手機(jī)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(jī)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(gè)重磅里程碑。

發(fā)表于：12/19/2025

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

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

發(fā)表于：12/19/2025

SK海力士256GB DDR5 RDIMM通過(guò)英特爾Xeon 6 平臺(tái)認(rèn)證

12月18日，韓國(guó)存儲(chǔ)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(rèn)證流程，成為業(yè)界首款通過(guò)英特爾Xeon 6 平臺(tái)驗(yàn)證的同級(jí)產(chǎn)品，將進(jìn)入AI 與云端數(shù)據(jù)中心應(yīng)用市場(chǎng)。

發(fā)表于：12/19/2025

模擬芯片大廠ADI宣布全系產(chǎn)品漲價(jià)

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(jià)通知，計(jì)劃于2026年2月1日起對(duì)全系列產(chǎn)品進(jìn)行漲價(jià)。而根據(jù)業(yè)內(nèi)消息顯示，ADI此次漲價(jià)將會(huì)針對(duì)不同客戶層級(jí)及料號(hào)推出差異化調(diào)價(jià)方案，整體的漲價(jià)幅度約為15%。其中，近千款軍規(guī)級(jí)MPNs產(chǎn)品（后綴/883）漲幅或高達(dá)30%，具體執(zhí)行細(xì)則正處于最終敲定階段。

發(fā)表于：12/19/2025

掃地機(jī)器人鼻祖iRobot CEO自曝破產(chǎn)原因

北京時(shí)間12月18日，據(jù)《日經(jīng)亞洲》報(bào)道，掃地機(jī)器人鼻祖、美國(guó)公司iRobot CEO加里·科恩(Gary Cohen)表示，未能適應(yīng)市場(chǎng)變化、難以與中國(guó)競(jìng)爭(zhēng)對(duì)手抗衡，導(dǎo)致了公司破產(chǎn)。

發(fā)表于：12/18/2025

摩爾線程開(kāi)源自研3DGS三維高斯濺射基礎(chǔ)庫(kù)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(huì) 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(jiǎng)。

發(fā)表于：12/18/2025

光伏功率預(yù)測(cè)的對(duì)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(cè)，但卻容易受到對(duì)抗攻擊的威脅。為提高預(yù)測(cè)模型的對(duì)抗魯棒性，提出了一種基于快速梯度符號(hào)法的對(duì)抗攻擊算法與一種基于對(duì)抗訓(xùn)練的防御算法。快速梯度符號(hào)法生成具有時(shí)序關(guān)聯(lián)性的對(duì)抗樣本，建立攻擊強(qiáng)度與預(yù)測(cè)誤差的量化關(guān)系；對(duì)抗訓(xùn)練通過(guò)結(jié)合對(duì)抗樣本，增強(qiáng)模型對(duì)輸入擾動(dòng)的泛化能力，以抵御對(duì)抗攻擊。實(shí)驗(yàn)數(shù)據(jù)表明，對(duì)抗攻擊能顯著降低模型的預(yù)測(cè)準(zhǔn)確率，而經(jīng)過(guò)對(duì)抗訓(xùn)練的模型能有效提升魯棒性。該方法驗(yàn)證了對(duì)抗攻防機(jī)制在光伏功率預(yù)測(cè)中的有效性，對(duì)電力系統(tǒng)的安全運(yùn)行具有實(shí)際應(yīng)用價(jià)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(shí)別研究

自閉癥譜系障礙（ASD）是一種影響社交互動(dòng)、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(shí)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(guò)稀疏自編碼器對(duì)功能數(shù)據(jù)進(jìn)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(zhǎng)短期記憶網(wǎng)絡(luò)和注意力機(jī)制提取動(dòng)態(tài)序列中的重要信息，實(shí)現(xiàn)高效分類(lèi)。通過(guò)在中型ASD-MRI數(shù)據(jù)集上的實(shí)驗(yàn)，SABNet在分類(lèi)準(zhǔn)確率（91.21%）等核心指標(biāo)上明顯優(yōu)于傳統(tǒng)方法，主成分分析進(jìn)一步驗(yàn)證了其有效性。該研究表明了SABNet在ASD識(shí)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(lèi)中的潛力。未來(lái)研究將致力于優(yōu)化模型結(jié)構(gòu)、擴(kuò)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(jìn)MobileNetV3-SSD的數(shù)據(jù)可視化區(qū)域?qū)崟r(shí)檢測(cè)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(guò)數(shù)據(jù)“看板”，從視覺(jué)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?，提出一種基于改進(jìn)MobileNetV3-SSD的數(shù)據(jù)可視化區(qū)域?qū)崟r(shí)檢測(cè)方法，在標(biāo)準(zhǔn)SSD的基礎(chǔ)上結(jié)合MobileNetV3的注意力機(jī)制，并利用改進(jìn)FPN模塊對(duì)特征信息融合，可以快速精準(zhǔn)地找到目標(biāo)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(jìn)模型在大幅削減參數(shù)量的同時(shí)，Precision、Recall、mAP分別達(dá)到了83.05%、85.02%、74.35%，CPU每次推理時(shí)間降低至244 ms。

發(fā)表于：12/17/2025

YOLO-PDS：基于改進(jìn)的YOLOv11的無(wú)人機(jī)小目標(biāo)檢測(cè)算法

目標(biāo)檢測(cè)在遙感領(lǐng)域中具有廣泛的應(yīng)用前景。盡管目標(biāo)檢測(cè)算法在自然圖像中取得了明顯的進(jìn)展，但這些方法直接應(yīng)用于遙感圖像時(shí)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(duì)無(wú)人機(jī)圖像小目標(biāo)和物體遮擋的問(wèn)題，提出了一種基于風(fēng)車(chē)狀卷積（PinwheelConv）改進(jìn)的無(wú)人機(jī)小目標(biāo)檢測(cè)算法。為了改進(jìn)模型對(duì)小目標(biāo)的檢測(cè)效果，在骨干網(wǎng)絡(luò)中使用風(fēng)車(chē)狀卷積替換普通卷積來(lái)更好地適應(yīng)小目標(biāo)提取特征，同時(shí)基于風(fēng)車(chē)狀卷積的思想設(shè)計(jì)了C2f-PC模塊來(lái)替換骨干中的C3k2模塊。為解決無(wú)人機(jī)圖像中目標(biāo)遮擋嚴(yán)重的問(wèn)題，創(chuàng)新性地提出了C2f-PDWR模塊來(lái)替換頸部網(wǎng)絡(luò)中的C3k2模塊，來(lái)增強(qiáng)模型的特征融合能力，同時(shí)引入了SEAM（Spatially Enhanced Attention Module）來(lái)改善模型對(duì)被遮擋物體的檢測(cè)效果。最后，基于YOLOv11提出對(duì)小目標(biāo)檢測(cè)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(zhǔn)模型YOLOv11檢測(cè)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