和豪华智能纯电品牌极氪智能科技（ZEEKR）签署长期供应协议（LTSA）。安森美将为极氪提供碳化硅（SiC）功率器件，以提高其智能电动汽车（EV）的动力总成能效推出Hyperlux图像传感器系列，这是开发先进驾驶辅助系统（ADAS）和无人驾驶（AD）解决方案的一项关键赋能技术

  据了解，新发布的 Cortex-X4 超大核相比 Cortex-X3 在性能上提升了 15% 左右，但是在能耗方面有比较大的改善，宣称在相同频率下能够更好的降低 40% 的功耗。而 A720 作为 A715 性能核心的升级迭代版本，效率提升了 20%。Cortex-A520 相比上代的 Cortex-A510 效率提升 22%。

  再有，语言的巨大威力得以释放。语言，是智能的载体。人类的思维，是建立在语言的基础上。AI 掌握了人类的语言，也就有机会掌握蕴含在人类语言中的知识、情感、逻辑，甚至是思想和观念。这就是大语言模型强大的原因。

  微软和英特尔正协力推动人工智能（AI）在个人计算机上的发展。在Microsoft Build 2023大会上，双方率先展示了英特尔即将推出的下一代PC处理器（代号Meteor Lake）的人工智能特性。双方将充分的利用下一代处理器独特的分离式模块架构的优势，为PC用户更好的提供以AI驱动的新功能，包括像Adobe Premiere Pro中的自动重新构图和场景编辑检测等多媒体功能，并实现更有效的机器学习加速。

  近日，英特尔可编程解决方案事业部宣布，符合量产要求的英特尔Agilex7 R-tile正在批量交付。该设备是首款具备PCIe 5.0和CXL功能的FPGA，同时这款FPGA亦是唯一一款拥有支持上述接口所需的硬化知识产权（IP）的产品。

  随着Flex系列GPU应用势头的增长，英特尔通过持续的软件更新扩展支持Windows云游戏和AI的工作负载。

  5月，由全景网主办、联合南开大学中国公司治理研究院推出的“投资者关系金奖（2022）”全国性评选的获奖榜单正式揭晓，环旭电子荣获“杰出IR公司”“杰出IR团队”“最佳机构沟通奖”和“杰出董秘”四个奖项。

  废弃尿不湿实际上能成为一种廉价且可持续的建筑材料。新的研究表明，尽管听起来很奇怪，但丢弃的尿布可以在混凝土和砂浆中消毒和重复使用。这样做有可能解决一些重大的环境问题，例如减少建筑和垃圾填埋场的污染。 近日发表在《科学报告》杂志上的这项研究的主要作者、日本北九州大学建筑工程博士生Siswanti Zuraida说：“一天一个婴儿可以（使用）四到五块尿不湿……你能想象一下一个国家废弃尿不湿的产出情况。” Zuraida用自己孩子的废

  从R18标准制定开始，5G进入承上启下的5G-Advanced阶段。目前3GPP正在紧锣密鼓地制定R18和R19的技术规范，预计将于2023年底完成R18标准制定，2025年6月完成R19标准制定。

  丁海煜表示，针对电力、制造、视频监控等中高速物联场景5G终端成本高的痛点，引入RedCap技术，可大大降低终端成本。RedCap技术补全5G物联网技术体系，具备低成本、低功耗、大容量、优覆盖、低时延、强隔离和优适配七大优势。

  张云泉博士认为，算力经济是从数字化的经济延伸出的一种新经济形态，以数据为主要生产要素，通过算力、算法、算效等技术创新，促进数字化的经济与实体经济深层次地融合，实现效率、效能、质量的提升和经济结构的优化升级等。

  而在工业机器人领域，协作机器人是工业机器人增速最快的细致划分领域之一。从协作机器人的销量上来看，GGII认为，未来5年中国协作机器人整体销量年均复合增速将保持35%以上。预计到2026年，中国协作机器人销量将突破10万台大关，市场规模将突破100亿元。

  节能减碳的背景下，世界各国加快以新能源为主的能源结构转型调整，构建绿色低碳安全高效的新型能源供应体系。巴黎协议2020已有超过200个国家签署，很多国家和汽车制造商已经宣布了减少碳排放的计划，为实现碳中和全球共同目标而努力。

  同时，黄仁勋还公布了Grace Hopper的更多细节，尤其是它的CPU、GPU之间使用NVLink-C2C互连技术，总带宽高达900GB/s，相比传统的PCIe 5.0通道超出足足7倍，能够很好的满足要求最苛刻的生成式AI和HPC应用，功耗也降低了超过80％。

  6月2日-4日，“智绘天路·共赢未来”，第六届中国国际无人系统博览会暨第七届世界无人机大会将在深圳（福田）会展中心开幕！一清创新携最新智能安防巡逻无人车、无人驾驶物流车、无人驾驶载人接驳车等多款车厢亮相8展馆8C98展位，现场展示无人驾驶全场景解决方案。

  你可以看到，Llama 的参数数量大概是 650 亿。现在，尽管与 GPT3 的 1750 亿个参数相比，Llama 只有 65 个 B 参数，但 Llama 是一个明显更强大的模型，直观地说，是因为该模型的训练时间明显更长，训练了1.4 万亿标记而不是 3000 亿标记。所以你不应该仅仅通过模型包含的参数数量来判断模型的能力。