Astera Labs 豐富智能內存控制器產品線，新增 Leo X、Leo 2 E、Leo 2 P 系列
作者：溯波（實習） 責編：溯波 評論： 9 月 16 日消息，芯片高速互連初創企業 Astera Labs 美國加州當地時間 15 日宣佈以 Leo X、Leo 2 E、Leo 2 P 三系列豐富其 Leo 智能內存控制器產品線。Leo 2 E、Leo 2 P 是符合標準 CXL 3.2 規範的芯片，支持 4 個下游 DDR4 / DDR5 內存控制器。Leo 2 E 支持 PCIe Gen6 1×16 單端口配置；Leo 2 P 則在此基礎上允許 2×8 雙端口配置，實現附加內存的池化和共享。
與此同時，Leo X 系列是一款基於網絡架構的智能內存控制器，專為直接滿足 AI 加速器側的內存需求而設計。該系列芯片可與 Astera Labs 的 Scorpio 網絡交換芯片配套使用，通過 PCIe 和平臺專用協議實現 GPU 的橫向擴展，提供專用的內存層以卸載 KV Cache 和智能體上下文。Astera Labs 表示 Leo X 系列為 GPU 訪問 KV Cache 提供了更低延遲、更高帶寬的通道，能將首詞元延遲縮短多達 62%、詞元吞吐量提升多達 22%。
投訴水文 我要糾錯 下載APP，簽到賺金幣兌豪禮 相關文章關鍵詞：CXL，內存控制器，Astera Labs三星電子公佈 CXL 3.2 內存模組 MD310，256GB 容量基於 XL-FLASH，鎧俠將展示 CXL 存儲級內存擴展模塊瀾起業界率先試產 CXL 3.2 MXC（內存擴展控制器）芯片ScaleFlux 發佈 PCIe Gen6 NVMe SSD 控制器與 CXL 3.2 Type 3 內存控制器元腦服務器：推出 CXL 內存跨代擴展方案，實現 DDR5 和 DDR4 同機部署內存擴容消息稱三大 DRAM 原廠放棄第一方 CXL 內存控制器商業化
Related
相關文章
美國 AI 巨頭提議開發減速，歐洲同行和政界並不認同
作者：清源 責編：清源 評論： 9 月 18 日消息，據路透社今天（18 日）報道，此前，阿莫迪、奧爾特曼和馬斯克先後發出警告，能力不斷增強的 AI 系統可能帶來風險，故有必要控制其發展節奏，但歐洲企業和官員對此表現出明顯懷疑。法國初創企業 Mistral 在聲明中指出，這些風險早在幾個月前就已十分明確了。
MiniMax Code CLI 正式開源，在評測中取得 76.7% 的任務通過率
作者：沁滄（實習） 責編：沁滄 評論： 感謝網友 Domado 的線索投遞！9 月 18 日消息，MiniMax 今晚宣佈，MiniMax Code CLI 的 v0.4.12 版本面向全球開發者正式開放，並且以 MIT 協議正式開放源代碼。
北京發佈“詞元經濟十條”：高標準建設詞元工廠，推動關鍵核心技術攻關
作者：浩渺 責編：浩渺 評論： 感謝網友 蛋殼兒 的線索投遞！9 月 18 日消息，北京市經濟和信息化局今日宣佈，北京市“詞元經濟十條”正式發佈。為貫徹落實《國務院關於深入實施“人工智能＋”行動的意見》（國發〔2025〕11 號），率先培育智能經濟新形態，以詞元（Token）為抓手，發展詞元經濟新增量，制定《北京市加快詞元經濟發展的行動方案（2026—2028 年）》（注：以下簡稱《行動方案》）。
PrismML Releases Ternary Bonsai 2 27B: A 5.9 GB Apache 2.0 Model Retaining 98.2% of Qwen3.8 27B Performance
PrismML has released Ternary Bonsai 2 27B, a ternary-weight version of Qwen3.8 27B. The language model occupies 5.93 GB, against 53.80 GB in FP16. PrismML reports that it keeps 98.2% of the parent model’s average across 20 benchmarks.
OpenAI剛曝光循環架構，這家公司更早將其用於世界模型
鍵詞只有一個：循環。 Astra採用了一種被稱為“循環深度”（Recurrent Depth）的架構，本質是讓同一組Transformer層被反覆複用，用更少的參數實現更深的計算。 這被外界視為OpenAI對傳統“堆參數、堆算力”路線的一次重大修正——不再只是把模型做大，而是讓模型學會“反覆思考”。 消息一齣，整個AI社區迅速升溫。
千問辦公接入高德門店經營專家套件 提升實體店選址與經營效率
此項新功能自9月18日起正式上線，用戶只需在千問辦公添加相應套件並完成高德賬號授權，即可實現從門店選址到日常經營分析的全鏈路工作。隨著實體商業的不斷發展，傳統的人工選址和經營分析方式顯得效率低下且容易出錯。個體創業者在開新店時，往往需要花費大量時間進行實地勘察，整體耗時可達一週，而商家在監測門店熱度變化及競爭對手動態時，也面臨數據整理繁瑣、分析結果不準確的問題。