登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。

検索結果 計量計測
計量計測 コミュニティ
1つのキーワードが1つのコミュニティです。
コミュニティ作成
アカウント
見つかりません
計量計測 を含む検索結果
海光信息發布首款面向端側的算力晶片 CPU1000 系列 海光信息發布 CPU1000 系列,這是其首款面向低功耗、嵌入式和端側算力場景的輕量級處理器。該系列採用 C86 架構,主要面向邊緣終端、工業設備、物聯網節點以及機器人、機器視覺、智能製造等「物理世界」場景,標誌著海光算力版圖從雲側(數據中心)進一步延伸至邊緣與端側,補齊「雲—邊—端」算力布局。 海光信息總裁沙超群表示,CPU1000 系列並非單一晶片,而是一個面向端側算力的產品系列,後續將根據不同場景需求調配 CPU、GPU、NPU 等算力能力,持續豐富嵌入式產品矩陣。 產品定位:補齊「雲—邊—端」版圖 此前,海光信息已形成較清晰的 CPU 產品梯隊: HYGON 7000 系列 — 面向資料中心的旗艦級高效能處理器 - 集成 16–32 核心,支援 128 路 PCIe 通道、8 個 DDR4 記憶體通道;單顆 CPU 最大支援 2TB 記憶體容量;針對資料中心、雲計算中心等進行了功耗優化,從而為用戶提供更具能耗比的解決方案; - 主要應用於對計算能力、擴展能力、吞吐量有高要求的領域,包括雲計算、大數據、資料庫、分散式儲存、人工智慧等。 HYGON 5000 系列 — 面向行業客戶的主流中端處理器 - 集成 8–16 核心,支援 64 路 PCIe 通道、4 個 DDR4 記憶體通道,單顆 CPU 最大支援 1TB 記憶體容量; - 適用雲計算、邊緣計算、分散式儲存等應用場景,能夠滿足互聯網、金融、電信、交通、能源等多行業和企業的運營需求。 HYGON 3000 系列 — 面向多場景的高性價比處理器 - 集成 4–8 核心,支援 32 路 PCIe 通道、2 個 DDR4 記憶體通道,最高加速頻率達到 3.3GHz; - 主要應用於入門級伺服器、工作站、工業控制等市場,為中小企業客戶和專業人員,提供高效解決方案。 HYGON 1000 系列—補齊低功耗端側算力環節 與伺服器晶片不同,端側和工業場景更強調即時響應、低功耗、安全可靠、寬溫運行和生態兼容。CPU1000 系列的目標是讓算力更靠近感測器、攝影機、機械臂和執行機構,在本地完成推理、控制與資料處理,減少雲端往返帶來的延遲和頻寬成本。 主要應用場景 CPU1000 系列重點面向以下方向: 機器人:包括工業機器人、人形機器人及邊緣智能終端 機器視覺:用於產線檢測、視覺識別、影片分析等 智能製造:面向工廠控制器、工控機、邊緣閘道等設備 物聯網節點:為交通、電力、能源、醫療等場景提供基礎算力
もっと見る
重點解讀台積電的玻璃核心載板投影片 台積電在 6 月 11 日的日本 JPCA Show 2026,進行主題為「AIの進化に不可欠な先端パッケージング技術」的簡報,該份簡報約40頁,當中某張標題為「Glass Substrate Development for CoWoS」的投影片流出,引發廣泛關注。 以下是對該投影片(見附圖)的重點解讀,能網路科普查到的技術細節就不多說了,要注意的是投影片上的 COP 不是 Chip-on-Package 的縮寫,而是 Coplanarity、也就是平整度 / 共面度。 ▌重點結論: 1. 台積電正式宣布與 Ibiden 以及群創合作,開發玻璃核心載板(glass core substrate),結構為玻璃上下各黏合 ABF 的三層結構設計,該技術就是用於 CoPoS 的 oS。 2. 市場低估玻璃核心載板的重要性,該技術對台積電是「must have」,意即 CoPoS 中,oS 的重要性高於 CoP,這也是該技術進行測試時,先搭配既有的 CoW 而非 CoP 的原因。 3. 玻璃核心載板單價較既有 ABF 載板高出數倍,群創加工的玻璃單價非常高,為最核心的材料。除 Nvidia 外,目前已有兩家美系客戶同樣表達高度興趣。 ▌與本投影片相關的產業調查: 1. 本投影片提及的玻璃核心載板由 250x250mm 切割而來,ABF 增層主要採用 Ajinomoto 的 GL107 並混搭 ABF-GCP,以 2027–2028 主流 AI 晶片 ABF 規格的 24-28 層進行測試 2. 台積電實驗時的 CoW 是測試載具(test vehicle),足以驗證採用複合材料時最具挑戰性的機械結構問題。測試結果良好意味著台積電、Ibiden 與群創已合作突破關鍵技術瓶頸。 3. 目前是由 Ibiden 負責切割 250x250mm 的玻璃核心載板。待 2H27 採用 510x515mm 做量產前模擬時,若 Ibiden 仍想降低生產複雜性以維持超高毛利率,可能會改交由更熟悉玻璃特性的群創切割。 ▌流出的投影片內容是將 CoPoS 中的 oS、也就是玻璃核心載板(投影片中的 glass-SBT)與 CoW 搭配的技術驗證結果,這是為解決該投影片前一頁所提到的「Substrate mechanical and electrical Dilemma」,而這顯著凸顯了 CoPoS 中 oS 的重要性。 1. CoPoS 中,CoP 要解決的是生產效率 / 切割經濟性的問題,這與成本與售價有關;而 oS 要解決的是翹曲與耐用性問題,這牽涉到能否做出晶片,以及晶片能否運作。 2. CoP 與 oS 兩者整合相得益彰,但展望未來數年,兩者的技術定位還是有些差異。CoP 是可選的絕佳優化選項(very-nice-to-have),沒有它的代價就是晶片更貴;但 oS 是必需品(must-have), 沒有它可能連能否做出可用晶片都是問題。 3. 比較定位差異不是為了捧 oS 貶 CoP,這牽涉到客戶願意為哪個技術環節付錢的現實問題,細節下面分析。 ▌投影片中含金量最高的是電源完整性(power integrity;PI)改善,這對客戶意義重大,這也代表玻璃核心載板生產穩定後,台積電獲利能力與競爭優勢可望同步提升。 1. 技術說明:玻璃核心載板薄 → TGV(through glass via)垂直導通路徑短 → 導通路徑電阻(R)跟迴路電感(L)同降 → PI 改善 2. 對客戶意義重大原因:PI 改善 → 供電更穩 → 釋出功率餘裕(power headroom)→ 可整合更多電晶體、或拉高運作時脈 → AI 晶片算力提升 3. 對客戶而言,生產效率是台積電的基本責任,客戶不會為此多付錢;但 AI 算力提升能直接轉化為客戶的競爭力與獲利,故客戶願意為此買單。這也是 Nvidia 積極看待玻璃核心載板的原因。 4. 對台積電而言,玻璃核心載板可提升良率並降低成本,同時提高 AI 晶片的算力與售價,既是降本工具,也是漲價籌碼,對獲利與競爭力都是加分。 5. 目前載板成本佔 AI 晶片 BOM 約低個位數,封裝良率造成的損失約載板成本的 5-10 倍,故即便未來玻璃核心載板成本高於目前的數倍以上,但佔 BOM 比重仍低,且可改善封裝良率造成的損失,故預期玻璃核心載板的高單價不會影響客戶採用意願。 ▌簡報後的問答環節,有聽眾提問關於玻璃核心載板的 TGV 細節,台積電當場拒絕回答,因為玻璃核心載板的關鍵技術就是 TGV,核心 know-how 目前掌握在台積電與群創手中。相較下,另一個提問者的問題是關於 IVR、eDTC、與 LSI 的整合,台積電就回答了不少。 ▌根據產業調查,若一切順利,台積電的目標是在 4Q28-1Q29 開始量產玻璃核心載板,以符合 Nvidia AI 晶片迭代節奏。順帶一提,許多人在傳的 Ibiden 的法說投影片,上面將玻璃核心載板時程列為 CY30,我對此的解讀是:對外向來保守謹慎的 Ibiden 將玻璃核心載板正式列為發展路線,這更確定了該技術長期趨勢。但從 Ibiden 投影片的其他細節與市場資訊不完全一致來看,例如 reticle 時程與台積電公開宣稱的差約一個世代、Rubin Ultra 載板尺寸明顯大於其在 CY26-27 標示的 90x90 等,這說明了在預測未來時,需隨時多方交叉驗證。
もっと見る
🎮 「AIエージェントは、実際のゲームエンジンで“遊べるゲーム”を最後まで作れるのか?」——この問いに正面から答えるベンチマークが登場しました。結果は、最強でも成功率41%という厳しいものでした。 タイトル: GameCraft-Bench: Can Agents Build Playable Games End-to-End in a Real Game Engine? URL: 🎮 概要 GameCraft-Benchは、自然言語の仕様から実エンジン(Godot 4)上で完成・起動・プレイ可能なゲームをエンドツーエンドで作れるかを評価するベンチマークです。15ジャンル・計140タスクで構成されています。 ❓ 解決する課題 これまでのコーディング評価は「コードが正しいか」が中心でした。 ・ゲームの良し悪しは、実際に動かしたときの挙動で決まる ・既存ベンチマークは実エンジン上の「遊べる成果物」を評価できていなかった 💡 方法論と提案手法 3つの評価原則を立てています。 ・Engine Grounding:実エンジンGodot 4上で開発(ヘッドレス実行で再現可能な自動テスト) ・Artifact Completeness:起動可能で自己完結したプロジェクトを提出。起動できなければ0点(Build Gate) ・Interactive Verification:エージェントが入力トレース(マウス/キー操作列)を提出し、検証器がGodotで再生して動画化、GPT-5.5がルーブリックで採点 採点はCore Mechanics・Content Depth・Functional Visuals・Art & Presentationの4観点で重み付けします。 🎯 ユースケース コーディングエージェントを「コードの正しさ」ではなく「遊べる成果物を作り切れるか」で測れます。自動でプレイ検証まで回るため、ゲーム生成やUI生成エージェントの実力評価に使えます。 📊 実験結果 ・最高はClaude Opus-4.7で41.46%、GPT-5.5が39.49%、多くは40%未満 ・Core Mechanicsは比較的強い(上位で約55%)が、Art & Presentationが最も弱い(約36%) ・スクリーンショットで確認を重ねるエージェントほど好成績。一方でツール使用量と最終スコアの相関はほぼゼロ(r=+0.016)で、build→replay→evaluateのループを閉じることが鍵でした #AIエージェント# #ゲーム生成#
もっと見る
# Claude Agent SDKの便利だけど知られていない機能 🌍 エージェントの実行コスト、ちゃんと把握できていますか?詳細なトラッキングで可視化しましょう! Claude Agent SDKは、クエリごとにトークン使用量とコストの詳細な内訳を提供します。 📌 タイトル:詳細なコスト・使用量トラッキング 🔗 URL: 🧩 概要 `ResultMessage` には `total_cost_usd`(推定コスト)、`usage`(トークン内訳)、`num_turns`(ターン数)が含まれており、成功・エラーを問わずすべての結果で取得可能です。さらに `model_usage`(Python)/ `modelUsage`(TypeScript)を使えば、モデルごとのコスト・トークン内訳も確認できます。並列ツール実行時は同一メッセージIDで重複するため、IDベースの重複排除が正確なカウントに必要です。 🛠 使い方 ```python # Python - クエリの総コストを取得 from claude_agent_sdk import query, ResultMessage async for message in query(prompt="プロジェクトを要約してください"): if isinstance(message, ResultMessage): print(f"総コスト: ${ or 0}") # モデルごとの内訳 if message.model_usage: for model, usage in message.model_usage.items(): print(f" {model}: ${usage['costUSD']:.4f}") print(f" 入力トークン: {usage['inputTokens']}") print(f" キャッシュ読取: {usage['cacheReadInputTokens']}") ``` ```typescript // TypeScript - 複数クエリのコストを累積 import { query } from "@anthropic-ai/claude-agent-sdk"; let totalSpend = 0; for (const prompt of prompts) { for await (const message of query({ prompt })) { if (message.type === "result") { totalSpend += // モデルごとの内訳 for (const [model, usage] of Object.entries(message.modelUsage)) { console.log(`${model}: $${usage.costUSD.toFixed(4)}`); } } } } console.log(`合計: $${totalSpend.toFixed(4)}`); ``` 🏗 本番システムへの組み込み方 ・`total_cost_usd` を監視システムに送信して、コスト傾向をリアルタイムで可視化します ・`model_usage` でモデル別コストを分析し、サブエージェントのコスト配分を最適化します ・`resume` で同一セッションを再開した呼び出しの結果には、そのセッションの過去の利用分も含まれます(Claude Code v2.1.277 以降)。この場合は最新の結果を読み、合算すると二重計上になります。セッションを共有しない独立した呼び出しはアプリケーション側で合算ロジックを実装します ・エラー時もコストは発生するため、失敗した `ResultMessage` からも必ずコストを記録します 💡 ユースケース 💰 マルチテナント環境でユーザーごとの利用コストをレポートする 📊 モデル別のコスト内訳を分析して、最適なモデル構成を見つける 🔍 キャッシュトークン(`cache_read_input_tokens`)の割合を監視して、プロンプトキャッシュの効果を測定する ⚠️ 注意点 ・`total_cost_usd` はクライアント側の概算値であり、実際の請求額とは異なる場合があります。正確な請求情報は Usage and Cost API を利用してください ・並列ツール呼び出し時は同一IDのメッセージが重複するため、IDで重複排除しないとトークン数が膨らみます ・`ENABLE_PROMPT_CACHING_1H` を設定すると1時間TTLのキャッシュが有効になりますが、書き込みコストが高くなります ✨ コストの可視化なくしてコスト最適化なし。まずはトラッキングを組み込んで、エージェントの「お財布事情」を把握しましょう! #ClaudeAgentSDK# #AIAgent#
もっと見る
【截至今年6月中國智算規模同比增177%】 以“共織算力網 智啟新未來”為主題的2026年中國算力大會12日在河北省廊坊市開幕。中國工業和信息化部總工程師鍾志紅在開幕式介紹,截至今年6月,中國智算規模達2185EFLOPS(FP16),同比增長177%,建成超70條連通算力樞紐、重點區域的算力傳輸通道,批覆17個國家算力互聯互通區域節點。 鍾志紅表示,算力已成為數智時代不可或缺的新型信息基礎設施,要深入推進算力高質量發展,服務國家重大戰略和經濟社會發展需要。需要做以下幾方面工作。 一是強化系統謀劃,提升算力利用效能。加快構建“樞紐—區域—邊緣”多層次、梯次化算力架構;持續完善中國算力平台功能,促進算力資源統籌監測和高效利用。 二是強化算網融合,築牢協同發展底座。搭建高速互聯、超低時延、韌性強健的算力傳輸通道,按需部署城域毫秒接入,持續推進算力互聯互通節點體系建設。 三是強化技術創新,鍛造自主產業生態。支持高端芯片、架構設計等技術攻關,推動算力設施、算電協同等領域創新,加快算力標准體系建設指南編製。 四是強化應用賦能,激活數實融合引擎。降低用算成本和應用門檻,切實把“普惠算力應用紅利”轉化為“中小企業發展動力”;推動分行業凝練高價值場景,以算力支撐“人工智能+”行動,促進各領域數字化、智能化、綠色化升級。 當天開幕式上,舉行了中國算力平台實現全國一體化算力統籌監測發布儀式,標誌著中國算力“一張網、一盤棋、一體化”發展格局基本形成。同時,發布《2026綜合算力全景分析》,啟用國家算力互聯互通區域(河北)節點,揭曉首批普惠算力賦能中小企業發展服務清單,啟動“一網三融”算力金融生態共建行動。(來源:香港新聞網) 詳情:
もっと見る
電力量計を付けた。グラフも出た。 でも、電力が高い理由までは分からない。 440Vを直接計測できる薄型2回路電力量計が発売され、自動車の第2組立ラインや製パン機械の新組立工場も計画されている。設備や計測点が増えるほど、PLCでは電力値と工程状態を一緒に残したい。 停止、暖機、生産中、前工程待ち、後工程待ち、異常復帰。同じ30kWでも意味は違う。品種、良品数、サイクル数まで結べば、暖機1回、良品1個、待機1分当たりの電力に分解できる。 電力上限へ近づいた時も全設備を一斉停止しない。次の大型負荷起動をずらす。能力低下が続けば新規投入を止める。動作中のワークは可能な範囲で払い出し、ヒータやモータを順次停止する。 通信断中の前回電力値を積算しないこと、復帰後に全ラインを同時起動しないことも必要になる。 省エネ改善で見るべきなのは「何W使ったか」ではなく、「何をしていた時に、何個作るために使った何Wか」だ。
もっと見る
関東甲信越計量団体連絡協議会 千葉大会2024 千葉県成田市、アートホテル成田にて開催中 #計量士# #自動補足式はかり検定# #計量計測#
もっと見る
9月18日(水)〜20日(金) 東京ビッグサイト東ホールにて開催 【INTERMEASURE 2024(第31回計量計測展) #はかる# ~はかるとつくるサステナブルな未来~】 #インターメジャー# #はかる1グランプリ#
もっと見る
2024年1月12日17:00 ホテルグランドヒル市ヶ谷 【東京都計量協会 令和6年新年賀詞交歓会】 #東京都計量協会# #東京都# #計量# #計測# #計量計測#
もっと見る
\本日開幕/ 9月18日(水)〜20日(金) 東京ビッグサイト東ホールにて開催 【INTERMEASURE 2024(第31回計量計測展) #はかる# ~はかるとつくるサステナブルな未来~】 #インターメジャー# #はかる1グランプリ#
もっと見る