動態(tài)

• 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，特指在設備端的附近，所以根據(jù)字面定義，邊緣計算即在設備端附近產(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)設備、傳感器或用戶）的網(wǎng)絡“邊緣”的服務模式。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

  182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、算力基礎設施、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

  365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

  470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

  521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計的未來

  

  從單芯片設計到封裝級異構(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

  半導體設計 封裝 集成電路

  99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 芯片設計

  1.8k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)表面設計進展及其在全息成像中的應用

  

  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。基于神經(jīng)網(wǎng)絡深度學習方法進行超構(gòu)表面設計的文章數(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

  93瀏覽量

• 發(fā)布了文章 2026-04-08 14:41

  機器學習特征工程：縮放、編碼、聚合、嵌入與自動化

  

  本文轉(zhuǎn)自：DeepHubIMBA好模型的秘訣不在于更花哨的算法，而在于更好的特征。第1部分：數(shù)值特征1.1縮放多數(shù)機器學習算法對尺度敏感。一個取值范圍在0到1,000,000的列，會在訓練中壓制一個取值范圍僅0到1的列。常用的三種縮放器各有適用場景：StandardScaler適合近似正態(tài)分布的數(shù)據(jù)，也是最常見的選擇；MinMaxScaler將值壓縮到0和1

  嵌入式 數(shù)據(jù)集 機器學習

  650瀏覽量

• 發(fā)布了文章 2026-04-07 14:42

  汽車芯片安全，迫在眉睫

  

  安全必須被視為首要架構(gòu)約束條件，從芯片設計之初就融入其中。芯片領域最緊迫的安全挑戰(zhàn)，已不再是抽象的抗量子算法選型，或是后期追加安全功能。這些挑戰(zhàn)本質(zhì)是必須在設計早期就做出的架構(gòu)決策，且要在面積、功耗、性能、成本的現(xiàn)實約束下，兼顧產(chǎn)品超長使用壽命。若干安全問題已直接影響芯片架構(gòu)，包括將后量子密碼算法集成到實際硬件、數(shù)學安全算法與物理安全實現(xiàn)之間的差距不斷擴大，

  IC 汽車芯片 芯片設計

  1.4k瀏覽量

• 發(fā)布了文章 2026-04-03 14:56

  《具身智能數(shù)據(jù)行業(yè)研究》正式發(fā)布，洞見數(shù)據(jù)機遇與挑戰(zhàn)

  

  具身智能不是單純的機器人產(chǎn)業(yè)，而是人工智能從數(shù)字世界的“認知智能”向物理世界的“行動智能”的跨越。人工智能逐漸進入物理世界的浪潮，將是一個比互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)更具想象力的時代，通往這一未來的道路注定漫長而艱辛，這不會是一次ChatGPT式的突變，而是一場以五年、十年、二十年為尺度的漸進式演進。具身智能作為一種前沿交叉技術(shù)，已經(jīng)如神經(jīng)網(wǎng)絡般延伸

  人工智能 具身智能 機器人

  1.6k瀏覽量