data processing unit
PulseAugur coverage of data processing unit — every cluster mentioning data processing unit across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
从采购订单中提取贸易术语解释规则需要精确的代码、修订版和地点数据
本文详细介绍了如何从采购订单中准确提取国际贸易中使用的标准化交货条款——贸易术语解释规则 (Incoterms)。文章强调，贸易术语解释规则包含特定的代码、修订年份和指定地点，这三个组成部分对于正确解读至关重要。作者建议，如果未指定修订版，不要默认为当前版本，而应返回 null 并注明遗漏。文章还强调了保留原始、未规范化的地点名称的重要性，因为地点名称可能差异很大，并影响成本分配和风险转移。
-
中国DPU公司云豹智能在市场审查下提交IPO申请
中国DPU制造商云豹智能已提交在创业板上市的申请，目标是成为首家符合新标准上市的DPU芯片公司。尽管该公司面临连续三年净亏损和严重依赖单一主要客户的市场审查，但其处境被视为早期高投入硬科技公司的典型情况。云豹智能的快速营收增长、巨额研发投入以及与腾讯云、中国移动等行业领导者的战略合作，被视为其潜力的指标，符合国家解决DPU技术“瓶颈”并实现人工智能供应链国产替代的战略。
-
DPU 成为关键 AI 基础设施瓶颈，挑战 GPU 主导地位
AI 基础设施市场日益受到网络和数据调度的瓶颈制约，焦点从原始 GPU 算力转向系统效率。数据处理单元（DPU）正成为关键组件，尤其是在 Agent 时代，用于优化 GPU 利用率、管理推理的大上下文窗口以及提高整体系统性能。尽管 Nvidia 早期战略性投资了 DPU，但市场直到最近才开始关注它们，像云豹智能（Cloud Leopard Intelligence）这样的公司现在正崭露头角，提供高性能 DPU，这对于大规模 AI 部署至关重要。
-
新框架将卡尔曼滤波器映射到 NPU 以实现实时跟踪
研究人员开发了 KATANA，一个新颖的框架，能够有效地在现代 AI-PC SoC 中发现的神经网络处理单元 (NPU) 上执行卡尔曼滤波器。该方法旨在克服在实时跟踪系统中使用传统 CPU 或定制硬件的局限性，而这些系统在自动驾驶和国防等应用中至关重要。通过针对 NPU 优化卡尔曼滤波器算法，KATANA 在速度和功耗效率方面取得了显著改进，从而将 CPU 和 GPU 解放出来用于其他任务。
-
下一代芯片有望为数据中心带来更高的效率和AI能力
下一代芯片设计，包括那些针对AI、能效和耐热性进行优化的芯片，有可能显著改变数据中心的基础设施。封装、内存和卸载硅技术的创新可以提高每瓦性能并增强安全性。然而，广泛采用取决于能否克服软件兼容性挑战以及现有x86架构的惯性。
-
研究人员结合 DPU 和 GPU 以加速神经网络推理
研究人员开发了一种新颖的方法，通过在深度学习处理单元 (DPU) 和图形处理单元 (GPU) 之间拆分卷积神经网络 (CNN) 计算来加速神经网络推理。这种“拆分 CNN 推理”方法在数据源附近的 DPU 上处理初始层，在 GPU 上处理后续层，从而显著降低延迟。还引入了一个图神经网络 (GNN) 模型，以准确预测各种 CNN 架构的最佳层划分，准确率达到 96.27%。
-
T-Head 发布 Panmai 920 智能网卡，完成其 AI 基础设施芯片系列
阿里巴巴子公司平头哥发布了其首款智能网卡“Panmai 920”，旨在解决 AI 计算基础设施的瓶颈问题。这款新网卡采用了先进的 PCIe 5.0 和 112G PAM4 以太网技术，实现了高吞吐量和高数据包处理速率，目标是显著提高大规模 AI 集群中的 GPU 利用率。随着此次发布，平头哥完成了其核心数据中心芯片组合，涵盖计算能力、网络和存储，从而能够提供全面的 AI 基础设施解决方案。