Apple M1 Ultra to nowy, bardzo wydajny procesor

Apple zaprezentowało kolejny procesor, który w pierwszej kolejności trafi do komputerów Mac, a później prawdopodobnie również do tabletów iPad. Do Apple M1, Apple M1 Pro i Apple M1 Max dołączył dziś Apple M1 Ultra.

Porównanie wyglądu procesorów z serii M1

Apple M1 Ultra to nowy, ultrawydajny procesor Apple

Apple M1 Ultra to właściwie dwa połączone ze sobą procesory Apple M1 Max, co było możliwe dzięki zastosowaniu technologii UltraFusion, pozwalającej uzyskać transfer informacji z prędkością nawet 2,5 TB/s. Nowy układ ma 114 mld tranzystorów, 20 rdzeni CPU (16 wydajnych i 4 energooszczędne), 64 rdzeni GPU (8192 jednostek wykonawczych, 21 TOPS) oraz 128 GB RAM.

Cechy procesora M1 Ultra według Apple

Według deklaracji Apple, M1 Ultra oferuje wyższą wydajność CPU niż desktop z 16-rdzeniowym procesorem i jednocześnie pobiera o 100 W mniej prądu. Równocześnie zapewnia wydajność GPU na poziomie grafik z najwyższej półki, zużywając aż o 200 W mniej prądu.

Na pokładzie Apple M1 Ultra znajduje się też 32-rdzeniowy Neural Engine. Ponadto procesor zapewnia wsparcie dla kodowania i dekodowania ProRes oraz obsługę Thunderbolt 4.

Do produkcji nowego procesora wykorzystywany zostanie 5-nm proces technologicznego. Pierwszym urządzeniem, do którego trafi układ M1 Ultra, będzie komputer Mac Studio.

Podziel się postem:

Najnowsze:

Oprogramowanie

Unia Europejska przejdzie na Linuxa? Powstaje dystrybucja EU OS

Unia Europejska może wkrótce podjąć kroki w kierunku uniezależnienia się od amerykańskiego oprogramowania. Społeczność entuzjastów pod patronatem władz UE pracuje nad projektem EU OS, który ma zastąpić system operacyjny Windows w instytucjach rządowych. Wybór padł na modyfikację dystrybucji Fedora Linux, która zostanie dostosowana do potrzeb urzędników poprzez interfejs przypominający Windows.

Bezpieczeństwo

Przełomowa kwantowa technologia generowania liczb losowych z WAT: Szczegółowa analiza i perspektywy

W dzisiejszym zaawansowanym technologicznie świecie, prawdziwie losowe liczby stanowią fundament wielu kluczowych dziedzin. Od zabezpieczania komunikacji poprzez kryptografię aż po przeprowadzanie złożonych symulacji naukowych i inżynierskich , generowanie nieprzewidywalnych sekwencji danych jest niezbędne. Losowość odgrywa również istotną rolę w grach losowych , w sektorze finansowym , gdzie zapewnia unikalność transakcji, oraz w badaniach statystycznych. W kryptografii, siła klucza szyfrującego jest bezpośrednio związana z jakością i stopniem losowości użytym do jego wygenerowania . Im wyższa entropia źródła losowego, tym trudniejszy do złamania staje się klucz. Prawdziwa losowość jest zatem kluczowym elementem zapewniającym bezpieczeństwo w cyberprzestrzeni, wzmacniając algorytmy szyfrujące i chroniąc integralność przesyłanych oraz przechowywanych danych . Zapotrzebowanie na generatory liczb losowych o wysokiej jakości i nieprzewidywalności stale rośnie, co jest bezpośrednio powiązane z postępem technologicznym i coraz większym znaczeniem bezpieczeństwa informacji. Wraz z dynamicznym przenoszeniem coraz większej liczby aspektów naszego życia do sfery cyfrowej, ilość generowanych i przesyłanych danych nieustannie wzrasta. Ochrona tych danych przed nieautoryzowanym dostępem i manipulacją staje się priorytetem, a prawdziwa losowość jest nieodzownym narzędziem do skutecznego szyfrowania i zabezpieczania przed różnego rodzaju atakami.

Bezpieczeństwo

Prawdopodobnie DeepSeek Zna Twoje Sekrety: Analiza Bezpieczeństwa Danych Treningowych LLM

Prawdopodobnie DeepSeek zna Wasze sekrety oraz klucze API! Takie ostrzeżenie pojawiło się na łamach Sekurak.pl. W dynamicznie rozwijającym się świecie dużych modeli językowych (LLM), gdzie innowacje pojawiają się niemal codziennie, DeepSeek AI szybko zyskał miano znaczącego gracza, budząc zainteresowanie swoimi możliwościami i efektywnością. Jednakże, wraz z postępem technologicznym, pojawiają się również nowe wyzwania w obszarze bezpieczeństwa. Niedawne odkrycie dokonane przez badaczy z Truffle Security rzuca nowe światło na potencjalne zagrożenia związane z danymi treningowymi tych zaawansowanych modeli. Wnikliwa analiza publicznie dostępnego zbioru danych Common Crawl, wykorzystywanego do trenowania LLM, w tym DeepSeek, ujawniła obecność licznych, potencjalnie wciąż aktywnych kluczy API i haseł.

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *