穎脈Imgtec文章

• RISC-V現在發(fā)展得怎么樣了？2024-06-07 08:27

  

  Omdia的報告預計，到2030年，RISC-V架構芯片的出貨量將達到170億，市場份額將占到25%，尤其在工業(yè)和汽車行業(yè)增長加快。這一預測也表明RISC-V架構正迅速獲得市場認可，也意味著它或將打破長期以來由少數傳統(tǒng)架構主導的市場格局。RISC-V的巨大市場潛力得益于以下幾方面：開源優(yōu)勢：RISC-V是一個開源的指令集架構，這意味著

  RISC-V 處理器 芯片 936瀏覽量

• 如何從處理器和加速器內核中榨取最大性能？2024-06-06 08:28

  

  利用緩存增強低成本、上一代或中端的SoC。一些設計團隊在創(chuàng)建片上系統(tǒng)（SoC）設備時，有幸能夠使用最新和最先進的技術節(jié)點，并且擁有相對不受限制的預算來從可信的第三方供應商那里獲取知識產權（IP）模塊。然而，許多工程師并沒有這么幸運。對于每一個“不惜一切代價”的項目，都有一千個“在有限預算下盡你所能”的對應項目。一種從成

  內核 加速器 處理器 1507瀏覽量

• 通過強化學習策略進行特征選擇2024-06-05 08:27

  

  來源：DeepHubIMBA特征選擇是構建機器學習模型過程中的決定性步驟。為模型和我們想要完成的任務選擇好的特征，可以提高性能。如果我們處理的是高維數據集，那么選擇特征就顯得尤為重要。它使模型能夠更快更好地學習。我們的想法是找到最優(yōu)數量的特征和最有意義的特征。在本文中，我們將介紹并實現一種新的通過強化學習策略的特征選擇。我們先討論強化學習，尤其是馬爾可夫決策

  人工智能 強化學習 機器學習 805瀏覽量

• 大語言模型(LLM)快速理解2024-06-04 08:27

  

  自2022年，ChatGPT發(fā)布之后，大語言模型（LargeLanguageModel），簡稱LLM掀起了一波狂潮。作為學習理解LLM的開始，先來整體理解一下大語言模型。一、發(fā)展歷史大語言模型的發(fā)展歷史可以追溯到早期的語言模型和機器翻譯系統(tǒng)，但其真正的起點可以說是隨著深度學習技術的興起而開始。1.1統(tǒng)計語言模型在深度學習技術出現之前，語言模型主要基于傳統(tǒng)的統(tǒng)

  ChatGPT LLM 語言模型 2415瀏覽量

• 淺談車機交互的現狀和未來2024-05-31 08:28

  

  車載信息娛樂系統(tǒng)的發(fā)展歷史并不長，走向智能化、網聯化只是過去十幾年間的事情?？v觀其發(fā)展歷程，大致可以分為三個階段：初級階段（1910年至1990年代）：1910年，愛立信創(chuàng)始人拉什·馬格拉斯·愛立信（LarsMagnusEricsson）在他的車內安裝了一部電話，與其說為了滿足富豪車主需求，更像是推廣自家產品。1924年，雪佛蘭打造出世界上首款車載收音機，標

  操作系統(tǒng) 智能網聯 車載信息 1005瀏覽量

• 2024年全球半導體產業(yè)發(fā)展態(tài)勢解析2024-05-30 08:27

  

  本文由半導體產業(yè)縱橫（ID：ICVIEWS）編譯自semiconductorintelligence2024年開局緩慢，但已為增長做好準備。根據WSTS的數據，2024年第一季度全球半導體市場規(guī)模為1377億美元。2024年第一季度比2023年第四季度下降5.7%，比去年同期增長15.2%。今年第一季度通常比上一年第四季度季節(jié)性下降。然而，2024年第一季度

  半導體 存儲芯片 智能手機 7259瀏覽量

• AIGC+實時云渲染：開啟3D內容生態(tài)的黃金時代2024-05-28 08:27

  

  AIGC與GPT-4浪潮一起涌入大眾視野，在創(chuàng)作領域，人工智能取得了巨大的進步，并逐漸幫助甚至取代了人類進行復雜的創(chuàng)作活動。人工智能已經從以前的理解演變?yōu)樽詣由蓛热?，這宣布了人工智能時代的到來。AIGC的全稱是“人工智能生成內容”（AIGeneratedContent）”。“它是一個涉及自然語言處理的宏大概念（NaturalLanguageProcessi

  3D AIGC 人工智能 1466瀏覽量

• 高性能計算集群的能耗優(yōu)化2024-05-25 08:27

  

  高性能計算（HighPerformanceComputing，HPC）是指利用大規(guī)模并行計算機集群來解決復雜的科學和工程問題的技術。高性能計算集群的應用領域非常廣泛，包括天氣預報、生物信息學、人工智能、大數據分析等。隨著高性能計算集群的規(guī)模和性能的不斷提升，其能耗問題也日益突出。高性能計算集群的能耗不僅增加了運行成本，還對環(huán)境造成了不利影響，例如溫室氣體排放

  人工智能 高性能計算 1071瀏覽量

• 人工智能需要強大的計算能力，光芯片有幫助嗎？2024-05-24 08:27

  

  光學神經網絡使用光子而不是電子，比傳統(tǒng)系統(tǒng)具有優(yōu)勢。摩爾定律已經相當快了。它認為，計算機芯片每兩年左右就會安裝兩倍數量的晶體管，從而在速度和效率上產生重大飛躍。但深度學習時代的計算需求增長速度甚至更快——這種速度可能不可持續(xù)。國際能源署預測，2026年人工智能消耗的電力將是2023年的10倍。計算硬件公司Lightmat

  人工智能 光芯片 計算機芯片 1256瀏覽量

• CPU渲染和GPU渲染優(yōu)劣分析2024-05-23 08:27

  

  使用計算機進行渲染時，有兩種流行的系統(tǒng)：基于中央處理單元(CPU)或基于圖形處理單元(GPU)。CPU渲染利用計算機的CPU來執(zhí)行場景并將其渲染到接近完美。這也是執(zhí)行渲染的更傳統(tǒng)方式。然而，隨著GPU的出現，基于GPU的渲染獲得了很大的普及。這些GPU是特定用途的芯片，在某些情況下提供與CPU渲染相當的結果。從廣義上講，GPU渲染允許同時運行更多的并行進程，

  cpu gpu 芯片 1551瀏覽量