投稿

日本 NTT 主權 AI + 光電融合 vs 台灣供應鏈：tsuzumi 2 / IOWN / CPO 完整解析與台日互補戰略

-
イメージ
日本在 AI 時代採取「軟硬雙輪」策略： tsuzumi 2 系列 打造純國產輕量 LLM，守住資料主權與產業機密； IOWN 光電融合（CPO） 則破解 AI 資料中心的電力牆與互聯瓶頸。台灣則以 TSMC 先進製程、先進封裝與完整生態，成為全球 CPO / 矽光子量產重鎮。兩者高度互補，正形成「日本上游材料 + 台灣中下游製造」的強大供應鏈聯盟。 aismiley.co.jp NTT開発LLM「tsuzumi」搭載の生成AIサービスをFIXERが提供開始 | tsuzumi AI 官方標誌 （NTT 純國產輕量模型象徵，小巧卻有力） 一、tsuzumi 2 與 tsuzumi 2 Vision：輕量高效的純國產 AI NTT 從零自主開發的日語優化 LLM，名稱源自日本傳統鼓「鼓」（tsuzumi），強調「體積小、聲音大」。 核心優勢 ：單 GPU 運行（NVIDIA A100 等級，初期投資約 500 萬日圓），營運成本僅大型模型的 1/10~1/2。本地部署、資料保密，適合金融、醫療、政府等機密場景。 tsuzumi 2 Vision（2026 年 5 月升級） ：多模態能力，可直接理解圖表、財務報表、技術文件、示意圖，解決傳統 OCR 痛點，在商業文件與產業知識問答上表現突出。 採用案例 ：地方政府、教育（東京傳媒大學）、能源（中國電力）、數位廳 Gennai 平台。2026 年 8 月起大規模使用，2027 年更多政府採購。 這體現 NTT「AI Constellation」理念——多個輕量特色 AI 協作，而非依賴單一巨型模型。 二、IOWN 與 CPO：破解 AI 電力危機的硬體基礎 生成式 AI 讓 GPU 叢集功耗爆炸，傳統銅線互聯已達極限。 光電融合（CPO） 將光引入近距離互聯（板間、封裝間），是關鍵解方。 NTT IOWN 構想 （2019 年提出）： 目標：能耗降至 1/100、容量提升 125 倍、延遲減半。 階段：APN 已商用；P2（板間）2026-2027 商用；P3（封裝間）2028；晶片內約 2032。 CPO（Co-Packaged Optics） ：光引擎與 GPU/交換器共封裝，大幅降低功耗（NTT 試驗可降至 1/8）。 newsletter.semianalysis.com Co Packaged...
コメントを投稿
続きを読む

026年台北國際電腦展：NVIDIA及AMD發表產業炸彈級新品，將徹底顛覆PC世界

-
イメージ
  newsroom.arm.com Arm-based NVIDIA RTX Spark is redefining PCs for the agentic era - Arm Newsroom 2026年6月的台北電腦展（Computex）已落下帷幕，這場展會的熱度遠超以往。NVIDIA和AMD不再只是小幅迭代，而是直接拋出足以重塑PC生態和資料中心格局的重量級產品。NVIDIA強勢進軍消費級PC市場，AMD則以務實策略死守X86陣營，兩強對決正式拉開序幕。 NVIDIA RTX Spark：ARM架構重塑個人電腦 NVIDIA此次最震撼的動作，是正式推出 RTX Spark Windows PC平台。這不是簡單的試水，而是與微軟聯手，意圖徹底重塑個人電腦的野心之作。 au.pcmag.com itvoice.in RTX Spark核心規格亮眼 ： CPU：20個ARM核心 GPU：Blackwell架構 + 6,144個CUDA核心 統一記憶體：高達128GB LPDDR5X AI算力：高達1 PetaFLOPS 這款高度整合的SoC，在遊戲、創作和本地AI智能體運行上展現降維打擊能力。過去ARM Windows痛點（轉譯層損耗、反作弊不相容）已被徹底解決。Epic Easy Anti-Cheat、拳頭Vanguard等主流反作弊系統已原生支援，Adobe Premiere、Photoshop、Blender等軟體也提供原生ARM版本。 戴爾、惠普、聯想、華碩、微星等大廠將在2026年秋季推出搭載RTX Spark的輕薄本與桌機，主打全天候續航與本地大模型運行。 DLSS 4.5升級 ：採用第二代Transformer大模型，畫質細節更銳利、光影更自然，即將推送至RTX 20/30/40/50系列顯卡。 nvidia.com nvidia.com NVIDIA企業端核武器：Vera Rubin平台 在資料中心領域， Vera Rubin 平台進入量產，NVL72機架級設計提供比上一代高10倍的智能體吞吐量，已獲OpenAI、Anthropic、SpaceX等大廠採用。 developer.nvidia.com developer.nvidia.com AMD的務實反擊：X86生態極致壓榨 面對NVI...
コメントを投稿
続きを読む

連續變量系統在一般噪聲下的容錯量子計算 (翻譯)

-
イメージ
  連續變量（CV）系統中量子糾錯碼因其靈活性及對特定噪聲的高度抵抗力而備受關注。然而，CV系統中的容錯理論仍處於起步階段，缺乏將CV系統噪聲轉化為邏輯量子位噪聲的一般策略，這嚴重限制了可糾正的噪聲模型。本文中，我們證明通過Gottesman-Kitaev-Preskill（GKP）碼，CV系統中的馬可夫型噪聲可轉化為邏輯量子位的馬可夫型噪聲。我們以新引入的噪聲參數化方式分析了所得噪聲強度的上界。結合已建立的串聯碼對馬可夫型噪聲的閾值定理，我們證明CV量子計算對一般馬可夫型噪聲存在容錯閾值，從而填補了CV量子計算中的關鍵空白。我們還對CV系統中實現容錯需謹慎管理態能量這一事實提供了新洞見。 引言 連續變量（CV）量子光學系統透過將量子信息編碼到電磁場正交分量中，具有實現量子計算的獨特優勢，因其與量子通訊的親和性及由此帶來的可擴展性。在光通訊領域，已有成熟技術可測量光學模式的正交分量。此外，CV方法中的糾纏操作是確定性的，即使在當前實驗技術下也能產生大規模糾纏態¹,²。 容錯性對可靠計算不可或缺，而量子糾錯（QEC）³是實現容錯的必要手段。針對CV量子計算，已提出多種量子糾錯碼⁴⁻¹⁴（另見參考文獻15的綜述與比較）。其中，Gottesman–Kitaev–Preskill（GKP）碼⁹具有通用門集與計算基測量更容易實現⁹，以及較強的糾錯能力¹⁵等優勢。事實上，只有在製備GKP態時才需要非高斯光學操作，這在實驗中較難實現¹⁶,¹⁷。已有多篇理論論文提出在量子光學系統中可行地生成（近似）GKP態¹⁸⁻²¹，且最近已實驗演示了原始GKP態²²。 儘管有這些實驗進展，CV系統中的容錯理論尚未完全成熟。在多量子位系統中，如何實現容錯已得到充分認知與建立²³⁻³³。相反，CV量子計算的容錯性僅針對特定噪聲模型（如高斯隨機位移噪聲³⁴）得到證明。許多研究³⁵⁻⁴⁰聲稱使用GKP碼的CV量子計算存在容錯閾值，但所有這些分析均針對極為受限的噪聲模型，例如高斯隨機位移⁴¹或GKP碼的高斯近似⁴²。參考文獻37提出了一種類似twirling的方法，可將高斯近似GKP態簡化為受高斯隨機位移噪聲作用的理想GKP態，這可能適用於其他噪聲類型。然而，此twirling-like操作在物理上無法實現。此外，在計算過程中虛擬插入通道會改變噪聲模型，因此這種簡化無法用於容錯分析。 ...
コメントを投稿
続きを読む