人工智慧成功所需的完整運算及軟體堆疊

使用 SME2 及 Kleidi 函式庫支援的框架，提升生成式人工智慧、語音及視覺的人工智慧及機器學習模型的效能。

瞭解 Arm、NVIDIA 及 Intel 如何支援 8 位元浮點，協助減少能源消耗及負擔，並加速模型部署。

瞭解 TOSA 如何實現跨處理器及客製化硬體的彈性部署，以 Meta ExecuTorch 驅動邊緣人工智慧。

瞭解 Arm Kleidi 和其他最佳化技術如何使 ExecuTorch 上的 Llama 3.2 模型執行速度比以往在 Arm CPU 上的執行速度快 20%。

Arm 已推出可讓開發人員輕鬆在 Arm Ethos-U85 上探索 PyTorch 和 ExecuTorch 的套件。

Arm 及合作夥伴使用 Kleidi 技術在 Arm Neoverse 強化 PyTorch 推論效能。

瞭解 Hugging Face 及 AWS 等熱門的自然語言處理模型，如何在 Arm 架構 AWS Graviton 雲端執行個體上高效執行，以確保最佳化的情感分析。