x86
PulseAugur coverage of x86 — every cluster mentioning x86 across labs, papers, and developer communities, ranked by signal.
9 天有情绪数据
-
灵矩创新瞄准桌面CNC市场，推出易于使用的三轴入门级产品
灵矩创新（Lingju Innovation）是一家成立于2026年1月的初创公司，正以独特的战略进入桌面CNC市场。与专注于高端五轴机型的竞争对手不同，灵矩首先推出入门级三轴（3+1）机型，旨在建立其智能操作系统和用户体验。公司首席执行官王文涛是一位经验丰富的创客和企业家，他认为这种策略类似于iPhone对抗诺基亚的策略，将使复杂的CNC技术更加普及。该公司还计划在2027年发布一款真正的五轴机型，并利用x86架构进行边缘AI处理和…
-
Intel 8088驱动IBM PC发布，引发了45年的x86主导地位
四十五年前，Intel 8088处理器驱动了IBM个人电脑的发布，标志着个人电脑时代的开始。尽管它是Intel 8086的一个功能较弱的8位版本，但8088的低成本以及与DOS和Lotus 1-2-3等现有软件的兼容性使其成为IBM成功的关键组成部分。Intel与IBM的这次合作，以及允许PC克隆，确立了x86架构数十年的主导地位，多年来众多其他公司也生产了x86处理器。
-
梯度提升预测成本由树的数量驱动，而非特征数量
本文详细介绍了大规模运行梯度提升预测的成本，强调模型中的树的数量是计算成本的主要驱动因素，而不是特征的数量。作者提供了一个成本模型，显示使用800棵树对5000万行数据进行评分，每晚约花费0.13美元，或每年49美元，假设了特定的计算价格和吞吐量。调整学习率等超参数会显著增加树的数量，从而增加成本，即使准确性提升很小。
-
vLLM 发布 v0.27.1 版本，进行 CI 调整
vLLM（一个用于大型语言模型的高吞吐量服务引擎）的 v0.27.1 版本更新了其持续集成流程。此次更新将 Arctic 导入检查专门限制在 x86 测试镜像上，确保 arm64 测试锁文件正确省略 arctic-inference，并仅在安装了该软件包的平台上验证原生扩展。该版本还提到了 OpenAI Codex 的贡献。
-
原始 Intel 8080 Rubylith 掩膜寻求修复
一位声称拥有原始 Intel 8080 Rubylith 掩膜工程副本的个人正在为该文物寻找修复者。这种在芯片设计数字时代之前使用的人工掩膜详细展示了这款 2 MHz CPU 大约 5000 个晶体管和互连的布局。Intel 8080 是一款基础性的 8 位微处理器，尤其用于 Altair 8800，并影响了 x86 架构。
-
Triton驱动程序为QEMU模拟器带来DirectX 11支持
一款名为Triton的新驱动程序已被开发出来，为通用的模拟器和虚拟化软件QEMU带来DirectX 11兼容性。该驱动程序旨在实现跨macOS、iOS、Microsoft Windows和Linux等各种操作系统的更广泛图形支持。Triton旨在通过MoltenVK在Apple平台上将DirectX 11调用转换为Vulkan，一个现代图形API。
-
研究员创建最慢x86 CPU指令“耻辱榜”
硬件研究员Christopher Domas发起了一个项目，旨在找出最慢的单条x86指令，并创建一个排行榜来排名这些性能瓶颈。目前排名第一的是`fxrstor64`指令，它执行时耗费了惊人的1980亿周期，即62秒，用于从内存中恢复512字节的SIMD寄存器状态。Domas通过操纵内存映射I/O并压垮CPU的PCIe总线，故意减慢指令的执行速度来实现这一目标。未来计划为ARM和RISC-V架构创建排行榜，并制定特定规则以确保只测量单条指令的延迟。
-
llama.cpp PR 提升 Intel GPU 和 x86 CPU 性能
llama.cpp 项目的一个拉取请求（PR）为量化 KV 缓存解码带来了显著的性能提升。一项更改针对 Intel Battlemage GPU，通过 SYCL 内核切换，在长上下文长度下实现了高达 169% 的解码速度提升。另一项优化侧重于 x86 CPU，为 Q2_0 量化实现了一个 VNNI 路径，解码性能提升了 3-3.6 倍。尽管这些改进在基准测试中显示出有希望的结果，但它们目前仍处于开放的拉取请求状态，需要在各种硬件配置上…
-
PS3模拟器在ARM上经过6个月优化后实现大幅速度提升
经过六个月的优化工作，PlayStation 3游戏在ARM处理器上的模拟运行速度得到了显著提升。一段新视频详细介绍了在缩小PS3模拟器在ARM和x86架构之间性能差距方面取得的进展。这项进步旨在提升用户在基于ARM的设备上运行模拟PS3游戏的体验。
-
Intel 将 Atom 级 x86 核心授权给 RosaicLabs 初创公司
据报道，Intel 已将其 Atom 级 x86 处理器核心授权给一家名为 RosaicLabs 的新初创公司。这是 Intel 十年来首次授权其核心，使 RosaicLabs 能够访问寄存器传输级 (RTL) 代码。这家由风险投资家 Amarjit Gill 领导的初创公司旨在基于 Intel 的架构构建定制片上系统 (SoC) 处理器，可能面向 Intel 目前未涉足的市场。据报道，RosaiLabs 还在寻求 1000 万美元的种子轮融资。
-
Microsoft 发布 VibeVoice-ASR-BitNet 以实现实时 CPU 推理
Microsoft 发布了 VibeVoice-ASR-BitNet，这是一款高度压缩的自动语音识别模型，专为在边缘 CPU 上进行实时推理而设计，无需 GPU。该模型在实时因子 (RTF) 低于 1 的情况下，仅使用三个 CPU 线程，与 Whisper.cpp 等现有解决方案相比实现了显著的加速。通过异构量化实现压缩，将模型大小从 4.62 GB 减小到 1.58 GB，同时保持可比的准确性并支持多种语言。
-
Project NOMAD 旨在构建一个有弹性的、离线的亚历山大图书馆
Project NOMAD 旨在创建一个现代版的亚历山大图书馆，将学者和知识保存在装有本地LLM的x86系统上。这项计划被设想为一个有弹性的未来档案库，注重自给自足，即使在极端情况下也是如此。该项目在没有电力的情况下其效用受到质疑，这对其长期可行性提出了关键考虑。
-
爱好者用192节AA电池为PC供电，启动汉娜蒙塔娜Linux
一位名叫Uwoslab的PC爱好者成功地使用192节AA碱性电池为一台台式电脑供电。这个由三个木盒组成的装置，每个木盒装有64节电池，通过串联和并联连接，提供稳定的12V电源。该系统是一台没有独立显卡的AM4台式机，能够启动并运行汉娜蒙塔娜Linux，这是一个复兴的2009年Linux发行版。这台电池供电的PC也通过了CPU压力测试，在重载下表现稳定。
-
新的预印本详细介绍了处理器安全工具和联邦学习效率
arXiv上的一篇新预印本介绍了一种名为Malcostume的工具，该工具旨在从黑盒x86和ARM处理器中自动提取泄露合同。另外，另一篇未经同行评审的预印本提出了新颖的两层秘密共享方案用于联邦学习，该方案通过一个服务器将用户数量众多时的通信开销显著减少100倍，并消除了服务器数据转发。
-
在需求激增的背景下，台积电将其亚利桑那州AI芯片中心投资增至2650亿美元
台积电正通过额外投资1000亿美元，将其亚利桑那州制造工厂的投资总额增至2650亿美元。此次扩张的驱动力是人工智能基础设施需求的激增，特别是对高性能计算芯片的需求。该公司强劲的季度业绩和增加的资本支出前景，反映出持续多年的AI大趋势，需求已从GPU扩展到包括用于智能体AI的CPU。
-
浪潮信息发布AI基础设施支持4万+智能体及多模型协同
浪潮信息推出了新的AI基础设施解决方案，旨在满足AI智能体日益增长的需求以及复杂的多模型协同。该公司推出了一款CPU原生液冷服务器机柜，能够同时运行超过40,000个AI智能体，满足大规模智能体运行的需求。此外，浪潮还推出了多模型融合API及其AI服务器的企业版，使多个大语言模型能够协同处理复杂任务，并提高令牌生成速度。
-
mistral.rs v0.9.0 的 CPU 解码速度比 llama.cpp 快 1.8 倍
mistral.rs 项目已发布 0.9.0 版本，在大型语言模型的 CPU 解码方面展示了显著的性能提升。基准测试显示，在 x86 和 ARM 架构上，mistral.rs 的速度比 llama.cpp 快 1.8 倍。这些优化旨在惠及所有模型，并适用于包括支持 AVX2、AVX512 和 NEON 的各种 CPU。
-
AI采用加速Arm服务器使用，挑战x86芯片
人工智能正在推动基于Arm的服务器的采用增加，这些服务器提供了卓越的效率和可扩展性。这一趋势正在给数据中心环境中的传统x86芯片带来压力。
-
Intel 和 AMD 合作推出新的 x86 AI 指令集
Intel 和 AMD 合作开发并发布了“AI 计算扩展”（ACE）的规范，这是一套专为 x86 处理器设计的新型 AI 特定矩阵运算指令。该计划通过 x86 生态系统咨询小组（EAG）制定，旨在提高 CPU 上的 AI 推理性能，特别是在没有 GPU 或对低延迟要求高的环境中。ACE 引入了新的寄存器和指令，旨在显著提高矩阵乘法的计算密度，预计在 1-2 年内会有初步的硬件支持。
-
Intel 和 AMD 合作推出 ACE CPU 扩展，实现 x86 高效 AI
Intel 和 AMD 合作推出了新的 ACE CPU 扩展，旨在增强 x86 处理器上的 AI 工作负载。这些扩展利用现有的 AVX10 寄存器，但集成了专用的矩阵乘法硅片，以提高能效和开发便利性。与 AVX10 相比，ACE 扩展每个指令可以执行更多的操作，有可能加快 AI 模型执行速度并更好地利用资源。这种标准化方法将允许 PyTorch 和 TensorFlow 等 AI 框架针对一致的 x86 目标进行一次代码优化，支持广泛…