
AMD e Intel unen sus optimizaciones de PyTorch para CPU en oneDNN
La biblioteca ZenDNN de AMD pasa a formar parte de oneDNN, el backend abierto que Intel impulsa desde la UXL Foundation.
Semiconductores, chips de IA, FPGAs, GPUs y la cadena de suministro de la electrónica profesional. Cobertura de NVIDIA, AMD, Intel, ARM y de las decisiones geopolíticas que afectan la industria global.

La biblioteca ZenDNN de AMD pasa a formar parte de oneDNN, el backend abierto que Intel impulsa desde la UXL Foundation.

Su FS-SSD deja que GPU, DPU y tarjetas de red lean archivos sin pasar por el servidor, y en una prueba mantuvo 460.000 operaciones por segundo con un solo núcleo.

Rapid Analysis lanzó en Kickstarter la Xerxes Pi 2026 y la Xerxes Nano, pensadas para servidores caseros en rack y edge AI, desde 49 dólares.

Los dos programas están escritos en Rust, imitan a Fusion y AutoCAD, y exponen sus herramientas a agentes por MCP. Ninguno dice reemplazar al CAD comercial.

El diseño de machinehum junta un Rockchip RV1103, dos cámaras OV9281 de obturador global y Ethernet, con los archivos publicados en GitHub.

El proyecto C5VRX aprovecha el modo SDR oculto del chip de Espressif para demodular video analógico con una Xiao ESP32-C5 y un DAC de resistencias.

El circuito publicado en EDN usa un regulador lineal con transistores que la CPU apaga más del 99% del tiempo, con límite de corriente en 70 mA.

Blighted Agent pasó los chips de dos SODIMM de 120 dólares a placas de escritorio y los dejó estables a DDR5-7800.

La muestra de ingeniería tiene seis núcleos y doce hilos, y podría ser parte de la familia Gainsborough, candidata para un futuro Steam Deck. Ni AMD ni Valve confirman la relación.

La plataforma usa el nuevo ESP32-S31 con pantalla táctil de 480 x 480 y deja que un agente de código reconozca los módulos conectados y pruebe en el equipo real.

Open Electronics publicó el paso a paso para que el módulo de AI-Thinker saque una foto al detectar movimiento y la mande al celular.

La serie llega en tres versiones de 200 a 400 GOPS, junta un Cortex-M85 con un Cortex-M52 y estrena la placa Coralboard SR, hecha con Google Research.

El equipo de Google DeepMind escribió 2.783 programas propios, murió 605 veces en dificultad fácil y gastó cerca de 520 dólares en tokens.

Hannah Robertson armó el aparato con un Arduino Nano, un lector RC522 y un módulo MP3, y lo alimentó con la colección de sonidos de Cornell.

Una piel óptica blanda cubre más de 71.000 milímetros cuadrados del brazo y le permite detectar contactos, esquivar obstáculos y distinguir un pellizco de una caricia.

El modelo de lenguaje por difusión es 40 veces más grande que Mercury 1, amplía el contexto a un millón de tokens y se compara con GPT-6 Luna y Claude Haiku 5.5.

Un comando no documentado en la ROM del transceptor entrega muestras I/Q en bruto y deja recibir señales entre 100 MHz y 2,74 GHz.

Sugon presentó el sistema en la conferencia anual china de computación de alto rendimiento, ya usado en más de 10 proyectos de investigación.

Brookhaven, Princeton, DIII-D y Great Sky probaron el chip con datos reales de un tokamak y con simulaciones de TORAX, de Google DeepMind.

El programa, escrito en C y sin depender de GNU Radio, detecta y decodifica el tráfico de Meshtastic en toda su banda si se conoce la clave.

En septiembre procesaron más de siete de cada diez tokens del AI Gateway de Vercel, y su parte del gasto se cuadruplicó desde junio.

Joshua Bird controla el cabeceo y el alabeo acelerando y frenando el motor, con un firmware propio que reacciona en menos de 0,2 milisegundos.

El humanoide de Figure AI recorrió 560 kilómetros en una prueba de resistencia que su CEO, Brett Adcock, mostró en X.

La cifra sale de un modelo de consumo por rack y de una metodología propia de Arm para agentes de IA, revisada por Signal65 a pedido de la empresa.