在AMD与英伟达围绕数据中心市场展开的新一轮竞争中，双方开始通过性能预估和早期测试互相“放话”，为即将到来的服务器芯片更新节点造势。 英伟达此前通过受其严格控制的基准测试结果，宣称其Vera服务器处理器在多项负载中领先现有的AMD Epyc产品，而AMD最新给出的内部测算则显示，其下一代“Venice”平台有望在机架级性能上大幅超越Vera。 根据AMD近日发布的性能预估文档，这家芯片厂商认为即将推出的下一代服务器CPU平台将在整体性能指标上“显著超越”英伟达的最新方案。 这些估算直接以此前有利于英伟达Vera的第三方基准数据为参考基础，试图在同一套测试方法和假设条件之下，给出Epyc Venice的相对优势。 AMD的下一代数据中心CPU平台Epyc Venice近期已进入量产阶段，计划在今年晚些时候正式发布。 Venice基于Zen 6架构，单颗处理器最多可提供256个核心和512个线程，同时将制造工艺从现有Epyc Turin所采用的台积电4nm直接跃迁至2nm节点，中间跳过了3nm工艺。 AMD方面预计，相比Turin，Venice在整体性能与能效上可带来约70%的提升，并实现约30%的线程密度增长。 在对比英伟达平台时，AMD引用此前在英伟达总部、在一系列限制条件下完成的Vera基准测试结果。 Vera是一款基于Arm架构的服务器SoC，搭载88个核心和176个线程，Phoronix在报道中将其称为目前测试过的“最强Arm处理器”，并指出其在大多数工作负载下优于英特尔Xeon和现有AMD Epyc产品，不过这批测试经过英伟达审批，对测试环境和配置有较严格控制。 在此基础上，AMD按照统一的假设进行机架级推算，包括对比单CPU核心数量、节点功耗、每机架可部署的节点数量以及100千瓦机架功率预算等因素。 在该模型下，AMD认为Epyc Venice的每机架性能可以达到Vera的3.3倍；同时，现有的192核Epyc 9965 Turin以及128核英特尔Xeon 6980P GNR-AP，在相同条件下也被推算为可分别达到Vera约2.37倍和1.46倍的输出能力。 除了机架级吞吐量，AMD还把矛头指向了每核心性能，称在同样基准体系下，其64核Venice处理器即可在每核心性能上领先Vera约27%，而96核版本则可实现约11%的优势。 由于两家产品都被定位为面向AI工作负载的服务器平台，AMD认为，在每核心性能和核心数量同时抬升的前提下，Venice在面向“智能体式”（agentic）AI部署场景时，有望在同一机架功耗约束内提供更具吸引力的算力密度。 当然，在独立测试机构拿到量产芯片并完成公开对比之前，这些差距仍然停留在厂商给出的理论预估层面。 在为Venice预热的同时，AMD也开始为下一代架构“埋伏笔”。 按照其路线图，“Verano”将是AMD首款专为AI基础设施设计的CPU产品，并将率先采用Zen 7架构。 供应链消息指出，Zen 7有望导入台积电A14工艺节点，这一约1.4nm级别的制程被视为AMD迈入“埃米级时代”的关键一步，有望在2nm基础上继续带来性能和能效的进一步提升，不过AMD方面目前尚未对这些细节给出官方确认。 查看评论
今年 亚马逊云科技中国峰会 2026 要来了，主题会围绕 Agentic AI 、生成式 AI 、云原生、企业上云和行业实践展开。 如果你最近在关注： 1.AI 应用落地 2.云原生架构 3.Serverless / 大模型应用 4.企业数字化 可以考虑去现场看看，免费预约参会
背景介绍 阅读小组已经持续开展 7 年有余，最近阅读素材围绕 AI Agent 相关（参考 /t/1215413 Agent Harness ），最近刚读完 Agent harness engineering https://arxiv.org/abs/2604.25850 SkillClaw https://arxiv.org/abs/2604.08377 接下来我们会探索 Agent 设计模式 阅读材料 目前有几个材料： 论文： https://arxiv.org/abs/2605.13850 书： https://book.douban.com/subject/38231086/ 站点： https://adpsagent.com/ 本次阅读从 2026 年 6 月 9 号开始，从论文部分开始阅读。 形式 时间：周一至周五晚上 8:00 PM - 9:00 PM Shanghai 平台：MS Teams 会议 形式：一读三问（分节阅读 / 有不懂的地方需要讨论吗 / 有重点内容需要分享吗 / 有需要总结吗） 不强制参与，有事跳过 联系方式 感兴趣的朋友微信联系 cHlsb24ucGVuZ0BnbWFpbC5jb20=（ base64 ），本次招募 3 位 阅读伙伴。 祝大家读书快乐，受益无穷！
IT之家 6 月 7 日消息，据钛媒体今日消息， 京东与腾讯已于近期联手，将围绕 AI Agent 展开合作 。京东的商品供应链与履约服务体系，将与腾讯的入口资源进行对接。 此外，消息称 京东 AI Agent 与华为、OPPO、荣耀等多家主流终端厂商已进行对接 。通过 A2A（Agent to Agent）合作，用户可直接在各终端原生智能体的京东 AI Agent 内提出购物需求、获取商品信息，并依托京东的履约与服务体系承接，形成从意图识别到服务保障的完整体验闭环。 腾讯近期在 AI Agent 领域同样有多个项目推进。据IT之家此前报道，腾讯客服最新回复显示， 微信正在与华为、荣耀、小米、OPPO、vivo 等手机厂商 合作推出 A2A 助手能力 。 据英国《金融时报》本周报道， 微信将推出一款 AI 智能体 ，计划最快将于本月启动公开上线前所需的合规审批流程。另据财经杂志报道，腾讯人士确认了这一消息， 但表示目前无法确定微信 AI 智能体何时推出 ，其上线时间很大程度上取决于监管方对智能体的审批进度，微信 14 亿的用户体量，合规流程可能比其他产品更加严格。
本语文作文预测围绕同一主题与立意，由AI模型生成多个题干，并从不同角度给出立意 一、 二、 三、 四、 五、 挑战全网最准押题作文！让我们拭目以待！ 3 个帖子 - 2 位参与者 阅读完整话题
IT之家 6 月 5 日消息，BOE（京东方）今日与 vivo 正式揭牌成立北极星联合实验室。 官方表示，基于长期合作积淀的技术默契与产业互信，北极星联合实验室确立清晰的运作模式与研发定位： 由 vivo 输出产品核心卖点与消费者真实体验需求 ， 京东方针对性攻克产品痛点 ， 持续实现画质升级、器件性能提升。 双方联合聚焦极致视效、品质可靠、消费市场等三大核心维度，共同打造极致用户视觉与使用体验： 极致视效 ：从真实色彩、低灰阶高亮度低反射清晰画质，到低灰阶展开、真 10bit 画面层次，再到高刷拖影优化，全方位升级终端显示观感。 品质可靠 ：建立新技术品质评价标准，完成双方品质基准全面对齐。 消费市场 ：开展模组与整机系统联合评价、消费者体验调研、多场景联合仿真，让技术创新贴合真实用户需求。 IT之家获悉，未来京东方与 vivo 将持续加码前沿技术布局， 重点围绕折叠、窄边框、通透及高刷人因研究等方向深化联合攻关 。
IT之家 6 月 5 日消息，围绕《生化危机：代号维罗妮卡》重制版的传闻，已经持续了一段时间。曾准确预测《生化危机：安魂曲》会在去年夏日游戏节亮相的 Screenfire Germany 爆料称，《生化危机：代号维罗妮卡》重制版可能在数小时内公开。 Screenfire Germany 认为，卡普空生存恐怖系列下一款经典重制作品有“99%”概率会在今年的夏日游戏节上公布。Screenfire Germany 保留 1% 的余地，是因为 内部调整随时可能改变发布安排 。 今年的夏日游戏节由杰夫 · 基斯利主办，北京时间 6 月 6 日上午 5 时开幕。据外媒 Wccftech 于 5 日（今天）报道，如果《生化危机：代号维罗妮卡》重制版如传闻所说登上发布会，再加上外界预期中的《最终幻想 7：重制版》第三部，则本届夏日游戏节有望成为近年来最好的一届，甚至“可能冲击历届最佳”。 据IT之家此前报道，今年 5 月，爆料人士达斯克・戈勒姆也提出了相同的预测：卡普空极有可能在 2026 年夏日游戏节上正式公布《生化危机：代号维罗妮卡》重制版。 相关阅读： 《 消息称卡普空〈生化危机：代号维罗妮卡〉重制版有望下月官宣 》
AnySearch 正式发布 v2.1.0 版本。本次更新围绕搜索中枢——算法层、架构层进行多项优化升级，重点提升 AI 搜索结果质量、数据覆盖能力和调用稳定性。作为面向 AI Agent 的搜索基础设施，AnySearch 通过统一的搜索入口连接多源数据，让 AI 直接获取传统搜索引擎触及不到的高价值、跨领域信息。目前已支持 Skill 、MCP 、API 三种接入方式，面向个人开发者免费开放使用。 核心更新 1：基础融合算法升级 . 算法层引入全新混合排序方法，融合语义相关性与时效性信号，搜索结果质量显著提升 . 各垂直领域返回结果更丰富、结构更清晰 核心更新 2：Domain 重构 . 扩充垂直领域覆盖，重新划分领域边界 . 接口重命名：list_domains → get_sub_domains . 移除历史遗留参数（--content_types 、--zone 、--freshness ），后端自动处理 . --max_results 上限修正为 10 核心更新 3：更智能的搜索路由 . 垂直搜索现为默认推荐路径，通用搜索仅作为少数例外 . 混合策略：不确定领域时，用 batch_search 同时发起 1 条通用 + N 条垂直查询 . Required params：get_sub_domains 标注 （ required ） 的参数必须全部传入，不适用时传 "" 🐛Bug 修复 • 修复 tools/call payload 与 MCP 后端的语义对齐问题 • 修复 Windows 下 。env BOM 解析问题 • 修复 macOS 下 python3 运行时检测问题 • 修复常规使用中冗余调用 doc 命令的问题 🏗️ 内部优化 •Domain 常量与 doc spec 集中至 scripts/shared/，4 种 CLI 运行时统一从单一数据源生成 •消除约 400 行跨实现重复代码 🚀 在你的 Agent 里更新 AnySearch 方式一 直接告诉你的 Agent： “去更新 AnySearch skill： https://github.com/anysearch-ai/anysearch-skill” 方式二 手动执行： git -C <your_skill_dir> pull 新用户可以到 AnySearch 官网、GitHub ，一键部署至任意 Agent 或 AI 工作流使用。 官网： https://www.anysearch.com GitHub: https://github.com/anysearch-ai
AnySearch 正式发布 v2.1.0 版本。本次更新围绕搜索中枢——算法层、架构层进行多项优化升级，重点提升 AI 搜索结果质量、数据覆盖能力和调用稳定性。作为面向 AI Agent 的搜索基础设施，AnySearch 通过统一的搜索入口连接多源数据，让 AI 直接获取传统搜索引擎触及不到的高价值、跨领域信息。目前已支持 Skill 、MCP 、API 三种接入方式，面向个人开发者免费开放使用。 核心更新 1：基础融合算法升级 . 算法层引入全新混合排序方法，融合语义相关性与时效性信号，搜索结果质量显著提升 . 各垂直领域返回结果更丰富、结构更清晰 核心更新 2：Domain 重构 . 扩充垂直领域覆盖，重新划分领域边界 . 接口重命名：list_domains → get_sub_domains . 移除历史遗留参数（--content_types 、--zone 、--freshness ），后端自动处理 . --max_results 上限修正为 10 核心更新 3：更智能的搜索路由 . 垂直搜索现为默认推荐路径，通用搜索仅作为少数例外 . 混合策略：不确定领域时，用 batch_search 同时发起 1 条通用 + N 条垂直查询 . Required params：get_sub_domains 标注 （ required ） 的参数必须全部传入，不适用时传 "" 🐛Bug 修复 • 修复 tools/call payload 与 MCP 后端的语义对齐问题 • 修复 Windows 下 。env BOM 解析问题 • 修复 macOS 下 python3 运行时检测问题 • 修复常规使用中冗余调用 doc 命令的问题 🏗️ 内部优化 •Domain 常量与 doc spec 集中至 scripts/shared/，4 种 CLI 运行时统一从单一数据源生成 •消除约 400 行跨实现重复代码 🚀 在你的 Agent 里更新 AnySearch 方式一 直接告诉你的 Agent： “去更新 AnySearch skill： https://github.com/anysearch-ai/anysearch-skill” 方式二 手动执行： git -C <your_skill_dir> pull 新用户可以到 AnySearch 官网、GitHub ，一键部署至任意 Agent 或 AI 工作流使用。 官网： https://www.anysearch.com GitHub: https://github.com/anysearch-ai
苹果最新一则围绕“Privacy， That’s iPhone”的宣传片，延续了其长期主打的隐私主题。 这支短片名为“Privacy on iPhone: Safari helps block data trackers”，采用带有喜剧色彩的表现手法，把网络追踪者塑造成身穿“Chrome”风格服饰、紧跟用户不放的角色。 广告的核心信息很明确：当用户从 Chrome 之类的浏览器切换到 Safari 后，这些象征性的追踪者会立刻消失，化作银色闪光。 苹果借此突出 Safari 能减少用户在浏览过程中遭遇的数据追踪，并把这一点包装成直观、易懂的视觉叙事。 这并不是苹果首次围绕 Safari 隐私能力展开宣传。早在 2024 年，苹果就推出过一则带有希区柯克式惊悚风格的广告，以“头部装着摄像头的机械鸟”来影射跟踪与监视。 文章指出，这次的新广告并没有提出全新的技术卖点，而是在重复苹果围绕 Safari 的既有重点。 报道还提到，Safari 自 2019 年起就在默认状态下阻止所有第三方 Cookie，成为首批这样做的主流浏览器之一。 此外，Safari 目前还具备智能防跟踪、隐私报告、反指纹识别，以及 iCloud Private Relay 等功能，用于进一步隐藏用户 IP 地址。 苹果也没有把这次宣传局限在短片本身，而是同步投放了数字广告和户外广告，预计用户在网络浏览和城市街头都可能看到相关内容。 文章同时提到，6 月 8 日举行的 WWDC 2026 可能会延续苹果的隐私叙事，尤其是在 Apple Intelligence 成为焦点的背景下，苹果大概率会进一步强调其在 AI 时代对隐私的重视。 查看评论
最近刷短视频总能看到有人预测OpenAI快倒闭了 主要就是围绕最近Anthropic的claude code已经开始盈利 而OpenAI的ChatGPT与CodeX等项目巨额持续亏损，烧钱速度惊人，且OpenAI前段时间有造手机的消息传出来也不太被看好，营收难以覆盖AI模型的研发/硬件成本 对此各位佬对此有什么看法？ 33 个帖子 - 29 位参与者 阅读完整话题
近日，外界围绕黑色配色 Apple Vision Pro 的传闻再次升温。苹果相关报道指出，网络上又出现了一批疑似黑色版 Apple Vision Pro 的照片，这次展示了更多关键部件，外观上确实与该头显相当接近，但这并不意味着它真的会上市。 据报道，这组照片于周三由一名来自香港、网名为 Pipfix 或 LusiRoy8 的开发者发布在 X 上。图片内容包括头显侧面的格栅与摄像头特写、黑色编织线缆、未上色的电池连接部件，以及黑色的头带调节旋钮等；其中部分细节足以让人确认，这些部件确实来自一台类似 Apple Vision Pro 的设备。 不过不应对黑色版本的正式发布抱有过高期待。尽管这些照片看起来颇为可信，但苹果并没有公开确认会推出该配色，也不排除这些只是公司内部用于测试颜色的原型机，最终并未进入量产阶段。 这些图片内部存在一些不一致之处，例如头显周围织物的纹理与苹果现有版本并不完全一致，电池包似乎还包着某种薄膜，画面中也出现了黑色与白色线缆并存的情况。这些迹象更像是早期原型，而非成品外观。 事实上，围绕黑色 Apple Vision Pro 的传闻并非首次出现。早在 2025 年 4 月和 12 月，相关爆料就曾多次流出，内容包括黑色头带连接件等细节；而这次的新照片，也延续了同一话题的热度。 考虑到目前 Apple Vision Pro 的销量规模，苹果没有太大动机为它推出多个配色。更可能的情况是，这些黑色部件来自某个 M2 版本的原型机，并未真正进入生产流程。 至于未来是否会有黑色版本，不能完全排除这种可能，但即便存在，也大概率不会在即将到来的 WWDC 上被提及。与此同时，关于新一代 Apple Vision Pro 的最新传闻显示，苹果 Vision 产品团队目前更聚焦于智能眼镜开发，而更轻薄的 Vision Pro 仍在后续技术积累阶段；按照现有消息，新机最早也可能要到 2028 年才有机会亮相。 查看评论
在全球围绕人工智能基建热潮产生的利润应如何分配的辩论越来越激烈之际，英伟达首席执行官黄仁勋表态称，他会给自己员工尽可能高的薪酬。“我认为应该应该给人尽可能高的薪酬，”黄仁勋周二在台北电脑展间隙告诉记者。他当时被问到英伟达合作伙伴三星电子及其近期与员工达成的薪酬协议 —— 这份协议将给三星芯片工程师带来至多40万美元的奖金。 “我给员工发我能力范围内最高的工资，”黄仁勋说。“我是这么做的，不是说这么做才是对的。” 全球AI模型迭出的主要受益者正面临越来越大的压力，被要求分享更多利润。三星电子与工会成员达成协议，避免了一场可能带来灾难性后果的罢工，英伟达合作伙伴台积电也在努力平息对利润分配的担忧。 台积电总裁魏哲家上周主持员工大会，向员工保证今年他们的激励计划增幅将比去年更大。该公司可能在周四的年度股东大会上被问到更多关于员工薪酬的问题。 员工们也担心自己最终会被取代，但黄仁勋周一将AI可能威胁就业的说法驳为“无稽之谈”，并表示AI反而会推动营收、利润和GDP增长。根据三星3月公告，其员工去年平均每人赚到1.58亿韩元（10.5万美元）。 查看评论
本周主要围绕实时数字人链路的 Direct WebRTC 稳定性、AV 同步、空闲态数字人策略和语音上下文恢复展开。 fix：修复音画不同步 bug 之前版本存在一个问题，随着对话的持续进行，会逐渐出现音画不同步的情况。为了修复这个问题，这周认真啃了一下 WebRTC 协议。把这个问题搞清楚了。问题的原因比较复杂，总的来说主要是三个原因： 发送端 pacing 不稳定 turn 间 idle gap 处理错误 浏览器 receiver 状态跨 turn 残留 要搞懂这三个问题，必须先看一下 CyberVerse 是怎么发送音视频到前端的。在 cached_video 模式下，数字人说话是一轮一轮的；当数字人没有说话时，会播放提前生成的视频（所以叫 cached_video 模式）。整个视频流大概是这样： speaking -> idle -> speaking -> idle -> speaking 中间的停顿时长是不确定的，可能是几秒，也可能是几十秒。问题就出在这里：我用了同一个 Direct WebRTC media path 去承载一段一段的实时音视频，但这条 media path 的发送节奏、RTP 时间线和浏览器 receiver 状态，之前都更像是在按「连续直播流」来处理。 第一个原因是发送端 pacing 不稳定。之前服务端发布视频时使用的是「写一帧视频，然后 sleep 一个 frameDur 」的相对节奏。这个写法看起来简单，但每次写包、调度、sleep 都会产生误差，而且误差会在一个 session 内逐帧累积。更麻烦的是，音频 Opus 帧之前是按视频帧分组一起写出去的，没有按 20ms 的节奏平滑发送，实际效果就是跟着视频帧一组一组发送出去。浏览器收到的 arrival pattern 不均匀，视频 jitter buffer 会被逐渐拉大，最后表现为画面越来越落后于声音。 第二个原因是 speaking turn 之间的 RTP idle gap 处理不正确。两个 speaking turn 之间可能停顿 2S ，也可能停顿两分钟，但之前 RTP timestamp gap correction 最多只跳过 2 秒。对浏览器来说，这就变成了一个很异常的信号：真实网络到达时间已经过去很久，但 RTP media clock 只前进了 2 秒。浏览器的视频 jitter buffer 会把后续包当成严重异常的延迟流来处理， video_jb 被污染后，就会继续影响后面的播放。 第三个原因是浏览器 receiver 状态会跨 speaking turn 残留。前端从 WebRTC 画面切到 idle 视频，只是视觉层的切换，并不会重置 RTCPeerConnection 、receiver 或 jitter buffer 。也就是说，一旦某一轮 speaking turn 把视频 jitter buffer 拉高，后面几轮即使生成端已经恢复正常，也可能继续继承这个异常状态。这就是为什么日志里会看到某一轮开始明显漂移，后面几轮 JBDelta(window) 仍然保持很高。 一开始我尝试以 vibe coding 的方式来解决这个问题，但是 vibe 了整整一天都没搞定。因为音画不同是一件“主观”的判断，AI 感知不到这个事情。所以无论 AI 无论怎么进行逻辑推理，它都感知不到“不同步”。于是乎我想到了给整个链路添加监控，并且调研了一些方法来量化“音画同步“的差值。 Commit ad470a7 。有了真实的反馈指标后，AI 就有了调优的方向。 搞清楚原因，解决起来就简单了。 Commit 0ad5730 feat：新增 silent_inference 推理模式 CyberVerse 此前一直都是采用的 cached_video 模式，这种模式有一些好处：节省算力、对数字人的编排空间更大，用户可以使用更强大的视频生成模型来生成更好看的待机视频，而且可以生成很多很多。但这个模式也有一个不好的地方，就是整个人物不够连贯，不说话——>说话——>不说话，这个过程画面是有割裂的。所以我新增了 silent_inference 模式来解决这个问题。这个模型会一直进行推理，说话的时候用语音音频推理，不说话的时候用静音音频推理。不说话——>说话——>不说话，这个过程就会变得非常连贯。不会出现任何跳帧的情况。当然这个模式的缺点就是不说话时的画面会一直重复，而且这个画面是没有办法控制的，不管使用静音驱动还是随机噪音驱动，都不会有太大区别。 Commit 57512f7 fix：语音链路与上下文恢复 修复超时重连后上下文丢失的问题。qwen omni 模型有设置 5 分钟的超时连接，超过过后可以，再次发送文件进行唤醒。但是重连之后有个 bug：没有上一轮回话的上下文带上。 Commit 0e1c171 工程规范文档调整 补充 Truth-First Reasoning Rules 到 AGENTS.md / Claude.md ，用于抑制 AI 左右脑互搏的情况。详见： X 移除了 andrej-karpathy-skills 四个原则，听网友说这个提示词没有什么卵用，可能已经被官方吸纳了。 Commit e6788a8 祝大家周末愉快
今年 亚马逊云科技中国峰会 2026 要来了，主题会围绕 Agentic AI 、生成式 AI 、云原生、企业上云和行业实践展开。 如果你最近在关注： 1.AI 应用落地 2.云原生架构 3.Serverless / 大模型应用 4.企业数字化 可以考虑去现场看看，免费预约参会。
今年 亚马逊云科技中国峰会 2026 要来了，主题会围绕 Agentic AI 、生成式 AI 、云原生、企业上云和行业实践展开。 如果你最近在关注： 1.AI 应用落地 2.云原生架构 3.Serverless / 大模型应用 4.企业数字化 可以考虑去现场看看，免费预约参会。
今年 亚马逊云科技中国峰会 2026 要来了，主题会围绕 Agentic AI 、生成式 AI 、云原生、企业上云和行业实践展开。 如果你最近在关注： 1.AI 应用落地 2.云原生架构 3.Serverless / 大模型应用 4.企业数字化 可以考虑去现场看看，免费预约参会。
今年 亚马逊云科技中国峰会 2026 要来了，主题会围绕 Agentic AI 、生成式 AI 、云原生、企业上云和行业实践展开。 如果你最近在关注： 1.AI 应用落地 2.云原生架构 3.Serverless / 大模型应用 4.企业数字化 可以考虑去现场看看，免费预约参会。
今年 亚马逊云科技中国峰会 2026 要来了，主题会围绕 Agentic AI 、生成式 AI 、云原生、企业上云和行业实践展开。 如果你最近在关注： 1.AI 应用落地 2.云原生架构 3.Serverless / 大模型应用 4.企业数字化 可以考虑去现场看看，免费预约参会。
Hackaday – 25 May 26 Z386: An Open-Source 80386 Built Around Original Microcode There are many ways you can implement an Intel i386 CPU on an FPGA, with the use of original microcode probably being one of the most interesting approaches. This is what [nand2mario]’s z386 … [!quote]+ 在 FPGA 上实现英特尔 i386 CPU 的方法有很多，其中使用原始微代码可能是最有趣的方法之一。这就是 [nand2mario] 的 z386 项目所做的事情，最近的一篇博文总结了这个 FPGA 项目迄今为止的发展情况。 该项目与之前开发的 z8086 项目类似，大家可能都猜到了，除了英特尔 8086 CPU 之外，该项目也做了类似的事情。通过执行原始微代码，你基本上可以保证与原始硬件的紧密兼容性，当然，8086 和 80386 之间的微代码规模是完全不同的。 它的指令集更大，需要跟踪的内部状态也相应复杂得多，包括内存管理、分页和寄存器调试等所有新奇功能，以及从 i286 开始的保护模式扩展。 目前，z386 可在多种 FPGA（包括 Altera Cyclone V 和 Gowin GW5A）上运行，其性能相当于约 70 MHz 的 i386，但周期效率略低，部分原因可能是 16 kB 缓存有限，而最快的 i386 CPU 拥有 32 kB 以上的缓存。无论如何，它足以运行各种软件，包括 DOOM 等游戏。 需要注意的是，这里的目标并不是要比 ao486 等内核的性能更强，而是要对原始硬件及其与上述微码的交互进行考古重建。 github.com GitHub - nand2mario/z386: Compact 80386 CPU in SystemVerilog Compact 80386 CPU in SystemVerilog 1 个帖子 - 1 位参与者 阅读完整话题