imec报告:面向人工智能时代的光互连技术规模化
对带宽的空前需求促使人们通过从根本上重新构想光互连路线图,将光学技术更紧密地集成到硅基芯片上。文章《imec报告:面向人工智能时代的光互连技术 scaling》首发于 Semiconductor Engineering。
检索标题、摘要与正文,把分散的信息连起来。
对带宽的空前需求促使人们通过从根本上重新构想光互连路线图,将光学技术更紧密地集成到硅基芯片上。文章《imec报告:面向人工智能时代的光互连技术 scaling》首发于 Semiconductor Engineering。
该论文于2026年10月24日发布在arXiv(编号2610.31259v1),系统比较了连接时序分类(CTC)和神经转录器两类端到端语音识别(ASR)模型在不同剪枝策略与语言模型配置下的搜索空间复杂度与推理效率。
推荐理由:论文基于实证分析指出,尽管端到端ASR模型多数时间维持较小搜索空间,但在语音不确定性时段会出现假设数量的显著瞬时峰值;动态的基于分数剪枝可适配模型不确定性,显著降低实时因子(RTF),为高效搜索提供实践指导。
本期聚焦2026年10月下旬AI领域关键动态:Meta发布多模态MoE模型Muse Spark Open但遭质疑‘已死’;中美欧模型性能、许可与部署生态分化加剧;中国拟出台覆盖23类AI技术的出口管制草案;多项前沿模型发布伴随未验证性能主张及安全隐忧。
Reflection公司推出开源大语言模型Beam(501B参数,实际激活23B/Token),采用256专家稀疏MoE架构,支持1M上下文、NVFP4/FP8量化、多级推理努力配置及本地化部署;所有技术声明均未经第三方验证,硬件需求高,社区普遍认为个人用户难以承担。