跳到正文
认知
返回AI 简报
AI 简报科技大约 1 小时前1
单一来源当前只有一个可用来源,尚未完成多源交叉核验

Arm 发布 Cortex-M42 处理器:向量算力最高达前代 3 倍,让更多小型设备用上本地 AI

IT之家 11 月 11 日消息,Arm 昨日(11 月 10 日)发布公告,宣布推出 Cortex-M42 处理器,并将其纳入 Flexible Access 和 Total Access 两项技术授权计划。

定位方面,Cortex-M42 处理器主要面向对成本和芯片面积敏感的智能终端,目标为可穿戴设备、工业控制器等产品带来更强的机器学习与数字信号处理能力。架构方面,Cortex-M42 处理器采用基于 Armv8.1-M 架构,结合 Helium 技术与紧凑的 AHB 总线设计,方便芯片厂商升级现有的 Cortex-M4、Cortex-M33 微控制器方案。

Helium 是一套用于 Cortex-M 处理器的向量扩展技术,让同一个 CPU 既能执行控制代码,也能更高效地处理适合向量化的数据运算。性能方面,相比较 Cortex-M33,最新 Cortex-M42 处理器向量计算能力最高可达 3 倍,向量计算能效最高可达 2 倍。

IT之家注:向量计算是指让处理器用一条指令,对一组数据执行同一种运算,主要通过 SIMD(单指令、多数据)提高数据处理效率。SIMD 把多个数据元素放进较大的寄存器中,每个元素所在的位置称为一个“通道”,然后对多个通道执行相同操作。

在实际应用中,新处理器可用于可穿戴设备的音频处理和关键词识别,也可承担工业设备的传感器分析与状态监测。Arm 还举例称,它可在机器人电机、关节附近处理信号,帮助发现异常或磨损迹象。

此次发布也扩充了 Arm 的技术授权组合。截至 2026 年 11 月,Flexible Access 拥有 319 家活跃成员,已促成超过 500 个独立流片项目;Total Access 拥有 60 家合作伙伴,累计支持超过 600 个项目。Arm 希望通过扩大技术获取渠道,推动更多设备在本地完成智能处理。

Evidence

来源与证据

单一来源 · 1 个信源

当前仅有一个可用来源,尚未完成多源交叉核验。

发布时间
内容处理
AI 翻译 / 摘要,需结合原文核对
内容有误或来源失效?告诉我们
科技

三位顶尖物理学家接连在论文中致谢 AI 理论物理研究或迎变革

顶尖理论物理学家爱德华・威滕在其最新关于手征费米子规范理论晶格定义的预印本论文中,公开致谢 Anthropic 旗下的 Claude Opus 5.5 为其提供关键数学构造方案、协助处理诸多研究细节,这并非他首次借助 AI 开展研究,今年 6 月他的另一篇全息理论相关论文就曾披露 Claude 帮助他将特殊场景的计算推广到一般情形。在同一道困扰物理学界数十年的费米子倍增相关难题上,短短一个月内还有另外两位理论物理学家也发布了借助大模型完成的相关预印本成果:Nathaniel Craig 的研究中 GPT-6 Astra 参与了大范围数学推导,还借助 Lean 完成形式化验证,对成果至关重要。S

3单一来源
科技

谷歌最强 VLA 机器人模型:Gemini Robotics 2.5 登场,会系蝴蝶结、已在奔驰生产线上岗

IT之家 11 月 10 日消息,谷歌推出迄今为止能力最强的视觉-语言-动作(VLA)机器人模型 Gemini Robotics 2.5,大幅提升机器人可学习的技能广度与学习速度。该模型增强了机器人的灵巧度、可靠性与安全性,助力机器人走出实验室,进入更非结构化的真实环境,协助人类完成更多类型的任务。谷歌今年早些时候已为包括人形机器人在内的多种机器人引入全身智能。此次进展很大程度上得益于 Gemini 4 Argon 加速机器人研发的能力,进一步拓展了物理智能的边界。谷歌在超过 200 项不同任务中测试了 Gemini Robotics 2.5 的任务广度、性能与复杂度。Gemini Robot

9单一来源
科技

苹果子公司 Claris 正测试「Harbor」应用:将 Mac 变身本地 AI 服务器

首页 > 智能时代>人工智能 苹果子公司 Claris 正测试「Harbor」应用:将 Mac 变身本地 AI 服务器 2026/11/11 8:25:48 来源:IT之家 作者:潞源 IT之家 11 月 11 日消息,苹果全资子公司 Claris 正在测试 Harbor 应用程序。这款 App 可以将苹果芯片的 Mac 变身本地 AI 服务器。 据介绍,Harbor 可以运行在单台苹果芯片 Mac,也可以使用雷雳 5 接口连接多台 Mac,运行规模更大的 AI 模型。苹果已在 macOS Tahoe 26.2 系统中加入雷雳 5 RDMA(IT之家注:远程直接内存访问)支持,使多台设

5待确认
科技

不靠外部裁判,统一多模态模型学会自己「看图改图」:修复成功率提升到 3 倍,GenEval 0.72→0.84

南洋理工大学、上海交通大学、东京大学的研究者提出 UMM-Reflection 方法,在开源统一多模态模型 BAGEL 上通过「反思 SFT 冷启动 + 整轨迹强化学习」训练完整的多轮「反思 — 修改」轨迹,让同一模型自主完成看图、诊断、修改与停止决策,推理无需外部打分器。该方法将初始错误图像的修复成功率从 20.6% 提升至 64.9%,GenEval 指标从 0.72 升至 0.84,其中空间位置分项从 0.47 跃升至 0.89,在训练未见过的 WISE 等基准上也有明显提升,效果远优于直接对生成器做强化学习。研究证实模型本身本就具备判断图像对错的能力,强化学习的作用是教会模型筛选出真正

6单一来源

每天早上收到这 5 条

免注册,填邮箱即可;每封邮件都能一键退订。

提交即表示同意按隐私说明保存你的邮箱,只用于发送简报。

或用 RSS 订阅

AI 翻译、摘要和解读仅用于辅助判断;涉及重要决策时,请回到上方来源核实。