面试必考的「矩阵快速幂」考点汇总
矩阵乘法的运算稍微复杂一些，假设 A 是 n * m 的矩阵，B 是 m * p 的矩阵，则 C = A * B 是 n * p 的矩阵，且对于 C 中任意一点。
清华课题组在多能谱CT成像散射计算与校正研究中取得新进展
近日，清华大学工程物理系高河伟教授课题组，针对多能谱CT成像中的射线散射计算与校正问题，提出“矩阵化能谱分解加速的线性玻尔兹曼输运方程求解器”（Matrixed-Spectrum Decomposition Accelerated Linear Boltzmann Transpo
一颗2nm芯片发布，吊打英伟达
虽然他们并没有详细讲述这颗芯片，但我们可以从相关报道中，获得更多蛛丝马迹。接下来，我们看一下这颗芯片的规格:规格概览:2nm架构、最多可达 1024 个 64 位核心、最高可达 6 GHz 时钟频率、最多 1 GB 的 LLC、最高可达 1600W TDP、支持高达 DDR5-17，600 MT/s 的速度、每个插槽最高支持 48 TB DDR5 内存容量、最多支持 128 条 PCIe 7.0 通道。
横扫对手！AMD Zen 6架构全揭秘：全新12核CCD、IPC性能提升27%
快科技11月11日消息，AMD全面披露Zen 6和Zen 6c微架构细节，同时宣布第六代EPYC 9006 Venice处理器即日起全球上市。
Arm Neoverse V1全新计算平台发布：性能飞跃4倍
Arm N系列是注重平衡性、高能效的平台，Arm V系列则是追求极致性能。基于性能至上的理念，V1平台创造了Arm迄今为止最宽的微架构，可容纳更多运行指令，支持高性能和百万兆级计算，再加上SVE功能，V1在单核性能上优势十分明显。
矩阵计算底层原理：从线性变换到AI算子的真实工作方式
在 AI 的世界里，“矩阵 × 向量”“矩阵 × 矩阵”几乎是所有模型的根，也是深度学习框架（PyTorch、TensorFlow）最底层的核心算子（kernel）。但矩阵计算的底层到底在做什么？为什么 GPU 能把矩阵乘法跑得飞快？
英伟达亲手终结CUDA「护城河」？传奇芯片架构师引发争议
【导读】一文看懂CUDA Tile背后的算盘与野心。英伟达的CUDA，刚刚宣布了该平台诞生20年来最重大的一次更新！其中，最核心也是最颠覆性的更新的就是CUDA Tile，让开发者可以用Python代替C++写内核代码。 在CUDA 13.
把矩阵计算留在数据旁边：Xeon AMX 如何加速 LanceDB 与 AI 数据湖
在 Agentic AI 时代，决定系统体验的并不只有大模型。数据如何进入系统、知识如何被检索、图片和语音如何被理解，以及结果能否快速返回，都会影响最终的回答质量和响应速度。
英伟达铁幕之后，谷歌AI芯片已成气候
英伟达在聚光灯下狂飙，谷歌却在幕后悄悄造出自己的AI基建帝国系统。当别人还在抢GPU时，它早已自给自足、闭环生长——闷声干大事，从未如此谷歌。
矩阵乘法无需相乘，速度提升100倍：MIT大佬的新研究引发热议
因此，研究社区在高效逼近矩阵乘法方面已经做了大量工作，比如实现高速矩阵乘法库、设计自定义硬件加速特定矩阵的乘法运算、计算分布式矩阵乘法以及在各种假设下设计高效逼近矩阵乘法等。