- 论文公开站arXiv
STEPQuant：Delta规则循环状态量化中误差何时何地重要
STEPQuant: When and Where Errors Matter in Delta-Rule Recurrent State Quantization
线性注意力用固定大小循环状态替代增长的KV缓存，但这些持久状态在并发服务下可能成为内存瓶颈。直接低精度量化循环状态常导致严重精度下降。本文提出STEPQuant。
- 资讯公开站EE Times
Astera Labs更新Leo控制器，瞄准内存瓶颈
Astera Labs’ Leo Controller Update Targets Memory Constraints
Astera Labs将Leo内存控制器与Scorpio交换芯片配合，使可扩展内存更接近AI加速器，以应对内存约束问题。
- 资讯公开站EE Times
Xcena减少数据搬运以缓解内存瓶颈
Xcena Cuts Data Movement to Address Memory Bottlenecks
摘要显示，Xcena 的 MX1 芯片利用 CXL 将计算能力推向内存，整合 DDR5、SSD 与 RISC-V 核心，同时降低编程难度。该方案旨在减少数据在处理器与内存之间的搬运，以应对内存瓶颈问题，并提升可编程性。
意义：CXL 内存计算方案若成熟，可减少数据搬运开销，为缓解 AI 与大数据负载的内存墙问题提供新路径。