動態(tài)

• 發(fā)布了文章 2026-04-22 09:04

  從NPU、GPU、內(nèi)存、EDA工具等角度，看現(xiàn)在的邊緣AI技術(shù)

  

  引言：邊緣AI涉及的問題不僅是算力芯片，還與存儲、設(shè)計工具、測試等方方面面有關(guān)…AI從數(shù)據(jù)中心走向邊緣、端側(cè)的原因這兩年探討得夠多了，包括數(shù)據(jù)中心資源限制(與海量IoT設(shè)備與數(shù)據(jù)涌入的矛盾)、部分應(yīng)用的低延遲或?qū)崟r決策需求、隱私與安全性、AI應(yīng)用的個性化要求等；與此同時，隨著AI全棧技術(shù)的發(fā)展，邊緣或端側(cè)AI也正走向成熟——無論是硬件還是包括AI模型在內(nèi)的軟

  eda gpu NPU 邊緣AI

  204瀏覽量

• 發(fā)布了文章 2026-04-21 08:33

  從進迭時空K3看RISC-V CPU與Imagination GPU協(xié)同：如何構(gòu)建高性能SoC能力

  

  隨著端側(cè)AI和高性能計算需求的快速增長，處理器產(chǎn)業(yè)的分工模式正在發(fā)生變化。近期，Arm已發(fā)布其自研AI芯片，這一動向也讓產(chǎn)業(yè)對IP模式的開放性與生態(tài)中立性產(chǎn)生了更多關(guān)注。在這一背景下，RISC-VCPUIP的價值進一步凸顯：為芯片廠商提供更高的自主性與靈活性，且有助于構(gòu)建更開放、穩(wěn)定的產(chǎn)業(yè)生態(tài)。與此同時，SoC設(shè)計正從單一算力提升，轉(zhuǎn)向多計算單元協(xié)同的系統(tǒng)級

  gpu soc 進迭時空

  85瀏覽量

• 發(fā)布了文章 2026-04-20 13:06

  “芯片短缺 2.0”時代，正在到來

  

  全球汽車行業(yè)曾以為芯片短缺最糟糕的時期已經(jīng)過去。疫情擾亂了供應(yīng)鏈，導致生產(chǎn)線停工，許多人認為半導體危機終將隨著時間的推移而緩解。然而，一個被稱為“芯片短缺2.0”的新階段正在到來，而且與以往截然不同。這一次，問題并非暫時性的，而是結(jié)構(gòu)性的。如今，芯片短缺問題持續(xù)影響著全球汽車制造商，尤其是在成熟工藝節(jié)點半導體領(lǐng)域。這并非指智能手機芯片或人工智能芯片的最新技術(shù)

  半導體 汽車 芯片

  128瀏覽量

• 發(fā)布了文章 2026-04-17 14:29

  邊緣計算vs云計算，關(guān)鍵差異一文分清

  

  邊緣這個詞在物聯(lián)網(wǎng)的世界里被賦予了新的定義，特指在設(shè)備端的附近，所以根據(jù)字面定義，邊緣計算即在設(shè)備端附近產(chǎn)生的計算。邊緣計算是相對云計算而言的，簡單來說，它是一種將計算和數(shù)據(jù)存儲從集中的云數(shù)據(jù)中心，推向更接近數(shù)據(jù)產(chǎn)生源頭（如物聯(lián)網(wǎng)設(shè)備、傳感器或用戶）的網(wǎng)絡(luò)“邊緣”的服務(wù)模式。它的核心思想是“就地處理”，即在數(shù)據(jù)產(chǎn)生的地方附近進行分析和計算，而不必將所有數(shù)據(jù)都

  云計算 物聯(lián)網(wǎng) 邊緣計算

  276瀏覽量

• 發(fā)布了文章 2026-04-16 12:47

  人工智能五大核心：芯片、算力、數(shù)據(jù)、算法、能源 ！

  

  在全球科技革命的浩蕩浪潮中，人工智能已成為重塑人類文明形態(tài)的核心驅(qū)動力。那么，人工智能究竟由何構(gòu)成？支撐其持續(xù)迭代進化的內(nèi)在技術(shù)體系又是什么？本文聚焦人工智能發(fā)展的五大核心支柱：芯片、算力基礎(chǔ)設(shè)施、數(shù)據(jù)、算法與能源電力。這五大層次自微觀至宏觀、從硬件到軟件、由物質(zhì)基礎(chǔ)到能量支撐，共同構(gòu)筑起人工智能完整的“身體圖譜”，形成其閉環(huán)式技術(shù)體系，也成為當今大國科技競

  人工智能 數(shù)據(jù) 算力 能源 芯片

  600瀏覽量

• 發(fā)布了文章 2026-04-15 14:44

  解讀大型語言模型的偏見

  

  在一項新的研究中，研究人員發(fā)現(xiàn)了LLM中某種偏見的根本原因，為更準確、更可靠的AI系統(tǒng)鋪平了道路。研究表明，大型語言模型（LLM）往往傾向于過分強調(diào)文檔或?qū)υ掗_頭和結(jié)尾的信息，而相對忽略中間部分。這種“位置偏差”意味著，若律師使用LLM支持的虛擬助手檢索30頁宣誓書中的某個短語，該短語位于第一頁或最后一頁時被找到的可能性會大得多。麻省理工學院的研究人員揭示了

  LLM 人工智能 語言模型

  656瀏覽量

• 發(fā)布了文章 2026-04-14 14:21

  芯片算力每年增長300%：12張圖看懂AI現(xiàn)狀

  

  本文轉(zhuǎn)自：半導體行業(yè)觀察領(lǐng)先的人工智能模型能力持續(xù)加速提升，包括OpenAI和Anthropic在內(nèi)的幾家大型人工智能公司正朝著今年晚些時候的IPO邁進。然而，人們對人工智能的抵觸情緒依然暗流涌動，在某些情況下甚至已經(jīng)爆發(fā)，尤其是在美國，一些地方政府開始對新建數(shù)據(jù)中心實施限制甚至徹底禁止。要掌握如此多的信息并非易事，但斯坦福大學以人為本人工智能中心發(fā)布的20

  AI 算力 芯片

  770瀏覽量

• 發(fā)布了文章 2026-04-13 15:05

  Chiplet：重新定義高性能半導體設(shè)計的未來

  

  從單芯片設(shè)計到封裝級異構(gòu)集成的轉(zhuǎn)變正在重新定義半導體行業(yè)的現(xiàn)在和未來。大型單芯片集成電路在光刻技術(shù)和良率方面的局限性，以及成本和上市時間方面的優(yōu)勢，推動了芯片組解決方案的發(fā)展。芯片組架構(gòu)可以將來自不同工藝節(jié)點的多個芯片集成到單個異構(gòu)封裝中。除了成本和良率優(yōu)勢外，芯片組解決方案還極大地提高了設(shè)計的模塊化程度，從而能夠更精確地將各種邏輯集成到單個封裝中。Chip

  半導體設(shè)計 封裝 集成電路

  153瀏覽量

• 發(fā)布了文章 2026-04-10 14:18

  汽車電子，從單片SoC走向多芯片設(shè)計

  

  可擴展算力架構(gòu)、更高良率、異質(zhì)集成能力與更強可靠性，多芯片設(shè)計有效彌補了單片式SoC的局限。受算力需求攀升、功能安全要求提高以及向可擴展半導體架構(gòu)轉(zhuǎn)型等因素驅(qū)動，現(xiàn)代汽車電子正經(jīng)歷快速變革。支撐這一變革的最重要技術(shù)突破之一，便是多芯片系統(tǒng)集成方案的普及。多芯片設(shè)計是指將多顆同質(zhì)或異質(zhì)半導體裸片集成于單一封裝內(nèi)，以實現(xiàn)更強的可擴展性、更高性能與更好的可靠性。這

  soc 汽車電子 芯片設(shè)計

  2.1k瀏覽量

• 發(fā)布了文章 2026-04-09 13:55

  深度學習驅(qū)動的超構(gòu)表面設(shè)計進展及其在全息成像中的應(yīng)用

  

  當前，深度學習技術(shù)與超構(gòu)表面（metasurface）全息成像技術(shù)的融合，有力推動了光學成像領(lǐng)域的發(fā)展。得益于超構(gòu)表面對光波特性的精準調(diào)控，全息成像技術(shù)經(jīng)處理后可生成對應(yīng)的三維圖像。因此，二者的結(jié)合可實現(xiàn)高質(zhì)量圖像的獲取?；谏窠?jīng)網(wǎng)絡(luò)深度學習方法進行超構(gòu)表面設(shè)計的文章數(shù)量日益增多，但關(guān)于該主題的綜述仍較為匱乏。據(jù)麥姆斯咨詢報道，近期，中國計量大學田穎教授等人

  光學成像 深度學習 神經(jīng)網(wǎng)絡(luò)

  121瀏覽量