江南体育官网人工智能芯片（简称AI芯片）是指含有专门处理人工智能应用中大量计算任务模块的芯片，属于集成电路和人工智能的交叉领域。自2016年以来，谷歌、百度、阿里、腾讯等互联网巨头以及多家知名的风险投资基金疯狂涌入人工智能行业，大力推动各初创算法（方案）公司在多个应用领域商业化落地。随着人工智能在视觉识别、语音识别等领域明确的商业化应用不断涌现，人工智能算法及方案芯片化、硬件化的趋势日益明显，具有深度学习算法加速功能的芯片需求快速提升。
人工智能领域的高速发展，取决于对前沿算法的研究、落地应用场景的积极探索及通过先进的芯片设计、制造技术来满足日益明确的商业需求三个关键因素。商汤科技、旷视科技、科大讯飞、思必驰、华为、寒武纪等多家中国公司对于前沿算法的研究已经走在全球前列，与美国齐头并进。中国对于落地应用的探索更是全球领先，已经出现包括人脸识别、智能安防、智能音箱、智能家居等多个落地的商业场景。新一代的AI芯片创业公司结合应用特点，采用了合理的先进芯片设计、制造技术，与美国同类公司相比位于同一起跑线上。业界普遍认为，AI芯片之争是中美两国公司间的竞争，中国目前暂时落后。但由于在应用探索上更加积极，未来中国AI芯片有可能超越竞争对手，成为全球领军力量。
AI芯片按照应用场景可以分为云端芯片和终端芯片，按照功能可以分为训练芯片和推理芯片。云端指服务器端，终端指包括手机、电脑、监控摄像头、家电、消费电子等在内的电子终端产品。训练指通过大量的数据输入，运用增强学习等非监督学习方法，训练出一个复杂深度神经网络模型的过程，其对芯片运算和存储的综合性能要求很高。推理指利用训练好的模型，使用新的数据去得出各种结论、完成各种任务的过程，其对芯片的速度、能耗、安全和硬件成本要求较高。
按照以上两个维度，可以将AI芯片划分至四个象限。其中，终端/嵌入式设备以推断应用为主，训练的需求尚不是很明确，但是，未来的终端设备将逐步具备训练和学习的能力。
自芯片诞生以来，人类对芯片设计、高纯度硅工艺、超高精密设备、物理化学工艺的不断探索，促进了芯片技术的快速发展，芯片的计算能力呈指数形式增长，推动了个人计算机和互联网时代的诞生和发展。2006年，以深度学习算法为标志的新一代人工智能诞生，2016和2017年，基于深度学习技术、运行于TPU（ASIC）上的Google人工智能AlphaGo相继战胜人类围棋世界冠军李世石、柯洁，引发新一轮人工智能发展热潮，计算能力再次成为人工智能时代的核心驱动力。AI芯片则是计算能力提升的集中体现，成为人工智能“大脑”的基础。
2010年至今，不同功能和定位的芯片均开始被研发用于深度学习算法，初步形成了GPU、FPGA、ASIC等繁荣共生的AI芯片行业。
AI芯片的设计、制造流程与其他芯片类似，由设计、制造、封装测试等环节组成。AI芯片设计公司下游为应用方案公司，方案公司将其整体解决方案（包括运行于云端和终端的各类软硬件）最终用于具体应用场景。目前处于AI领域发展初期，中国的算法公司投入大量资金及精力探索落地应用，算法公司与应用方案公司实际上已经合为一体。具体来看：
在下游应用环节，算法及方案公司根据不同的应用场景，制定云端和终端的芯片布局方案。其中，云端为应用场景训练可靠的人工智能算法，并承担大部分复杂的推理任务，终端直接为应用场景输出结果。目前，人工智能在安防、金融、医疗和教育等领域均获得了快速落地并形成了可推广的案例。
在上游环节，不同的人工智能算法对AI芯片的加速功能提出了不同要求，需要AI芯片设计公司根据算法特点，设计具有特定加速功能的芯片。按照推理和训练划分来看，训练环节所需的运算包括前向计算和后向更新,推断环节则主要是前向计算。前向计算包括矩阵相乘、卷积和循环层运算等，后向更新主要是梯度运算。所以，两个环节运算特点不尽相同。云端侧重训练，算法更加复杂和广泛，对芯片的通用性和综合性能要求更高；终端侧重推理，算法更加高效可靠，对芯片的专用性和效率要求更高。同时，由于芯片具有一旦设计完成基本不可更改的硬件属性，算法公司需要结合算法的发展现状在现有AI芯片技术条件下选择合适的芯片架构及软硬件功能划分。
综合来看，算法与AI芯片设计互相影响。作为AI芯片公司，需要充分了解和掌握算法规律，设计出符合发展需求的AI芯片；作为算法公司，需要在各类AI芯片，尤其是专用芯片的基础上，实现算法的演进。
AI芯片行业属于人工智能和集成电路的交叉产业，具有双重属性，行业壁垒较高。
首先，人工智能行业存在两道壁垒。第一道壁垒是算法，只有掌握深度学习算法并具备持续更新算法的能力，才算真正进入人工智能的大门。第二道壁垒是对应用场景的理解，只有将算法在具体应用场景中落地，形成数据加算法的闭环，才能通过数据反哺算法，形成超越竞争对手的优势。
其次，芯片设计行业存在技术、人才、经验和资金的综合壁垒。芯片设计产业链环节多，需要多方面、多层次、多梯度的人才及丰富的量产工程化经验。需要采用先进制程的AI芯片，流片费用高达几千万，产品研发周期长达1-2年，新公司的进入门槛很高。
目前，在训练环节，由于需要更高效地进行大规模并行计算，英伟达GPU占据垄断性地位，因特尔CPU+FPGA、谷歌TPU和寒武纪MLU等ASIC方案也在加速追赶。在推理环节，不同的异构芯片或专用芯片算力表现处在发展变化的过程中。云端推理方面，Intel的CPU+FPGA架构具有强大能力，英伟达也通过Volta架构大大提升了其GPU的推理性能；终端推理方面，由于更接近最终应用，不同的细分市场算法差别较大，ASIC由于专用性强、效率高、功耗低，成为主流选择，FPGA则适合用于算法方案快速变化的终端领域。
综合来看，未来可能呈现如下产业格局：GPU应用于高端复杂算法、高性能计算和数据中心；ASIC在云端训练、推理及智能终端广泛应用；FPGA 应用于变化较快的行业应用和虚拟化云平台。
GPU（Graphics Processing Unit）是一种进行图形运算工作的微处理器。随着通用计算技术发展，GPU的功能已经不再局限于图形处理，在浮点运算、并行计算等高性能计算方面开始有广泛的应用。目前支持金融工程学、气象及海洋建模、数据科学及分析、国防与情报、制造业（CAD制图及CED）、成像与计算机视觉、医学影像、电子设计自动化、计算化学等多个领域共150多种应用程序的加速。但由于其功耗较高，主要用于云端计算。
GPU是目前深度学习算法训练的首选芯片，在该领域拥有最高的市占率。其拥有完备的人工智能计算软件生态，越来越多的深度学习标准库支持基于GPU的深度学习加速。与CPU相比，GPU适用于密集型程序以及并行计算，而CPU擅长于逻辑运算和串行计算。
英伟达的GPU产品主要包括PC端处理器GeForce、移动处理器Tegra和深度学习芯片Tesla。其中Tesla的核心产品包括基于PASCAL架构和Volta架构的系列芯片。
目前英伟达的GPU产品主要应用于各类计算平台、数据中心加速和深度学习训练，应用领域包括医疗、汽车、智能家电、金融服务等。基于Tegra系列处理器，英伟达发布了DRIVE PX开放式人工智能车辆计算平台，可实现包括高速公路自动驾驶与高清制图在内的自动巡航功能，应用的特斯拉ModelS已经开始量产，百度、沃尔沃也跟英伟达达成了合作，他们都将生产搭载DRIVE PX的智能驾驶汽车。
英伟达2018年5月推出的Telsa V100浮点运算速度提高了1.5倍，深度学习训练速度提高了12倍，推理速度提高了6倍。
ATI是与英伟达齐名的显卡制造商，2006年被AMD以54亿美元收购。2017年8月，AMD搭载深度学习功能的新一代GPU正式发布，在各项测试和应用中性能超过英伟达Pascal系列。2018年，AMD 公开展示了全球首款7纳米制程的GPU芯片原型。总体而言，AMD在产品生态和市场份额方面不如英伟达，但仍是全球仅次于英伟达的GPU厂商。
景嘉微是国内唯一拥有自主知识产权和成熟产品的图形处理芯片公司。公司创建于2006年4月，2016年3月在深圳证券交易所挂牌上市，现有员工400多人。公司创新的MPPA架构提供单芯片超算解决方案，具有高性能、低功耗、实时性等特点，可以为视频、网络、电信、大数据等领域的云计算应用实现实时加速，还可以为航空航天、国防、汽车等领域的嵌入式应用提供嵌入式高性能运算能力。但是，景嘉微与国外GPU巨头技术差距较大，短期内尚无可能影响人工智能GPU芯片的产业格局。
FPGA为现场可编程门阵列。高密度计算、大吞吐量和低功耗的特点使其在各个行业领域有较大的发展空间。在通信领域，FPGA主要用在通信和无线设备系统，为数据中心提供更高的能源效率、更低的成本和更高的扩展性，还可以用于 5G 的可编程解决方案；在工业领域，FPGA可实现自动化、机器视觉和运动控制；在汽车领域，FPGA成为 ADAS 的主要处理平台，提供实时图像分析与智能传输。由于 FPGA 可编程，其在提供差异化产品和快速响应上有着极大的优势。此外，CPU+FPGA 的混合结构也可用于云服务计算。
FPGA的市场发展迅速，但技术门槛比较高，目前市场上主要由Xilinx（赛灵思）与 Altera（阿尔特拉）两家公司主导，两家市场份额合计达80%以上。
Xilinx是全球排名第一的可编程逻辑完整解决方案的供应商。公司成立于1984年，Xilinx首创了现场可编程逻辑阵列(FPGA)这一技术，并于1985年首次推出商业化产品。Xilinx研发、制造并销售多种类型的集成电路、软件设计工具以及作为预定义系统级功能的IP(Intellectual Property)核。Xilinx产品已经被广泛应用于从移动通信基站到DVD播放机的数字电子应用技术中。作为FPGA技术的发明者和产业龙头型公司，Xilinx约占全球FPGA市场出货量的50%，在高端FPGA市场（16nm、20nm、28nm）占有较大优势。公司在全世界拥有7500多家客户，包括IBM、NEC、Samsung，Siemens、Sony等知名公司。
Altera在FPGA领域长期占据领先地位，是Xilinx之外另一家FPGA寡头级企业。Altera公司的FPGA分为两大类，一种侧重低成本应用，容量中等，性能可以满足一般的逻辑设计要求，如Cyclone，CycloneII；还有一种侧重于高性能应用，容量大，能满足各类高端应用，如Stratix，StratixII等。Altera的FPGA产品被广泛应用于汽车、消费电子、军事航空、医疗、无线亿美元收购了Altera公司。Intel计划将Altera的可定制芯片和自有的标准化半导体相整合，以针对网络搜索、机器学习等特定任务打造更加高效的产品解决方案。
深鉴科技提供基于FPGA平台的人工智能加速解决方案，2018年8月被赛灵思收购。深鉴科技在深度神经网络压缩、指令集与计算架构等领域具有技术领先优势，其关于深度压缩的论文与谷歌DeepMind的论文并列ICLR2016最佳论文。2016年Open Power峰会上全球最大FPGA厂商介绍深度学习处理器新方法中的技术部分大多来自深鉴科技。深鉴科技基于FPGA的DPU产品可为多行业提供深度学习加速解决方案。相对于CPU、GPU等通用化产品具有更高的能效，目前已经应用于安防、大数据等行业。
中国其他的FPGA芯片公司，包括京微齐力、高云、安路、智多晶等，普遍还未能量产高性能FPGA，短期内尚无可能影响人工智能FPGA的产业格局。
ASIC（Application Specific Integrated Circuits）指针对特定需求而设计、制造的集成电路。神经网络处理器是ASIC专用电路在人工智能领域的应用形态。目前，国际龙头芯片厂商在GPU和FPGA领域对AI芯片应用竞争呈现白热化，而随着未来终端人工智能应用的兴起，为深度学习算法定制的ASIC芯片在计算速度和功耗上大大优于GPU和FPGA，伴随人工智能加速对行业渗透，未来在安防、智能终端、金融、车联网等领域，ASIC将得到广泛应用，广阔的市场空间使ASIC大规模应用成为可能。可以预见，专用AI芯片（ASIC）将成为新晋AI芯片领域厂商与传统巨头竞争的主战场。同时，我国专用AI芯片公司与世界领先水平差距不大，某些领域位于世界前沿，ASIC将成为我国芯片行业弯道超车的关键。
当前，国内已经出现了一些面向终端人工智能的ASIC芯片企业，大致可以划分为四类：一是互联网、通信类巨头的芯片设计团队；二是存在多年的成熟的芯片设计公司；三是新创立的AI芯片创业团队/公司；四是延伸做AI芯片的算法公司，
以华为、百度等为代表的巨头公司，在算法、数据方面具有明显优势，为了延伸实现AI应用的落地，加快了芯片端的布局，但主要集中在云端芯片上。
谷歌的TPU(Tensor Processing Unit)是一种专用的加速器芯片，跟其深度学习软件Tensor Flow 匹配。TPU 专门针对机器学习进行裁减，运行单个操作时需要的晶体管更少，其研发目的是为了替代GPU，实现更高效率的深度学习。
TPU的设计不仅仅是针对某种神经网络模型，而是能够在多种神经网络（CNN、LSTM，以及大型全连接网络模型等）中执行CISC（复杂指令计算机）的指令。在TOPS / Watt（每瓦特性能）功耗效率测试中，TPU的性能要优于常规的处理器30到80倍；而同传统的GPU/CPU的计算组合相比，TPU的处理速度快15到30倍；更为关键的是，由于TPU的运用，深度神经网络所需要的代码数量也大幅的减少。在深度学习技术迅速发展，数据和算力要求快速提高的人工智能时代，谷歌的这一替代方案将为硬件大规模减负，进一步降低人工智能的硬件成本。
华为海思作为我国芯片领域的领军企业之一，2017年发布了全球首款AI移动端芯片麒麟970，抢先一步占领AI芯片制高点，引起业界广泛关注。麒麟970采用了行业高标准的TSMC 10nm工艺，集成了55亿个晶体管，实现了1.2Gbps的峰值下载速率，创新性地集成了NPU专用硬件处理单元，并设计了HiAI移动计算架构。
2018年9月，华为海思再次发布了新一代产品麒麟980。该产品基于CPU、GPU、NPU、ISP和DDR，实现了全系统融合优化的异构架构，并创下了六项世界第一：首次使用领先的TSMC 7nm制造工艺，首次在移动端芯片搭载双NPU，首先实现基于ARM Cortex-A76 CPU架构进行商业开发等。其中，搭载的寒武纪NPU采用双核结构，其图像识别速度比麒麟970提升120%。
此外，华为海思在监控SOC芯片领域市占率全球第一，其集成AI本地推断功能的监控SOC必将在市场中占据重要位置。
百度联合硬件厂商推出DuerOS智慧芯片，是百度在人工智能与硬件设备一体化方面的新探索。DuerOS智慧芯片拥有低成本芯片和模组，可以以芯片嵌入的形式放到任何硬件中，能够更加快速而广泛地应用到更多场景。可以看出，百度在利用“算法+芯片”的组合实现人工智能产业化落地。
2018年7月，百度发布首款云端AI芯片“昆仑”，这是百度基于八年的CPU、GPU和FPGA的AI加速器研发经验，在中国大规模AI运算实践中，经过20多次迭代产生的芯片。相对于谷歌TPU擅长浮点计算，百度AI芯片更擅长混合精度计算，一些场景下计算性能强2-3倍，同时功耗更低，将应用于未来的自动驾驶、图像识别等领域。
由于人工智能算法逐渐开源和普及，一些存在多年的成熟的芯片设计企业迅速完成了人工智能算法的吸收和研究，针对特定应用领域推出了终端AI芯片。这些成熟的芯片设计公司在成本控制、芯片定义、客户渠道方面具有相当的优势。
集成AI功能的音视频SOC芯片系列可广泛应用于机顶盒、数字电视、智能音箱、平板电脑等家电及消费电子市场，应用领域众多，市场空间巨大，是消费电子的主战场之一。中国音视频SOC芯片的巨头公司全部入场，未来竞争将十分激烈。
作为知名机顶盒SOC芯片设计公司的杭州国芯，针对语音识别领域， 2017年推出了集成NPU（神经网络处理器）的SOC级AI芯片，其针对人工智能与物联网的特点，将算法、软件、硬件深度整合，是一颗具备高智慧、低功耗、全集成特点的全新语音交互AI芯片，能够帮助终端产品实现本地离线、低功耗和可移动的语音识别，主要面向智能音箱、智能电视、智能玩具等热点领域。
作为数字音视频、移动多媒体芯片研发厂商，瑞芯微2018年推出了其首次采用CPU+GPU+NPU硬件结构设计的AI芯片，其特点是融合了瑞芯微在机器视觉、语音处理领域的多年经验，硬件性能高、平台兼容性强。2019年初发布了定位于IoT领域的最新AI芯片，支持语音唤醒和识别、人脸检测和识别等。目前，瑞芯微的AI芯片已经用于喜马拉雅智能音箱、阿里巴巴人脸支付产品上。
晶晨半导体是一家OTT/IPTV机顶盒以及智能电视和智能家居芯片设计公司。目前江南体育，晶晨半导体提出将在巩固智能电视技术和市场优势的基础上，融合人工智能的创新科技，积极开发含有嵌入式神经网络处理器的人工智能电视系列芯片，向万物智能互联生态迈进。产品方面，晶晨推出了12nm 超高性能六核人工智能显示芯片，内置NN（神经网络）处理器的半通用终端AI芯片，可用于智能摄像头、智能音箱等智能家居领域。
全志科技是一家专注于智能终端应用处理器SOC、高性能模拟器件和无线互联芯片的设计公司。近期，全志科技在多个系列芯片产品中融合了语音识别、图像识别的人工智能技术，具有视觉和语音算法加速模块。
联发科是全球知名的IC设计公司，专注于无线通讯及数字多媒体技术。2018年底，联发科发布了内建多核心人工智能处理器的芯片P70。2019年初，联发科又将手机领域的AI专核（APU）策略引入到智能音箱及其他智能硬件中，支持终端侧AI解决方案。
部分高校、科研院所和海归团队，基于AI算法及芯片的技术积累，创办多家AI芯片公司，针对某些特定应用领域的需求，推出定制化的AI芯片。
寒武纪科技的前身是中国科学院计算技术研究所下的一个课题组，早在2008年就开始研究神经网络算法和芯片，并于2012年开始陆续发表研究成果，公司创始人、首席执行官陈天石教授是处理器架构和人工智能领域享有国际盛誉的青年科学家。寒武纪主要产品是各类智能云服务器、智能终端以及智能机器人的核心处理器芯片。
2018年5月，寒武纪发布了首款云端AI芯片MLU100。该芯片采用了最新的 MLUv01架构和TSMC 16nm 工艺，可工作在平衡模式（主频 1Ghz）和高性能模式（1.3GHz）主频下，等效理论峰值速度则分别可以达到 128 万亿次定点运算和166.4 万亿次定点运算，其功耗为 80w/110w。同时，寒武纪还发布了终端AI芯片1M，也是其第三代机器学习专用芯片，1M综合性能是其前代产品十倍。
（2）地平线年，创始人是前百度深度学习研究院负责人余凯。BPU(BrainProcessing Unit)是地平线机器人自主设计研发高效的人工智能处理器架构IP，支持ARM/GPU/FPGA/ASIC，专注于自动驾驶、人脸图像辨识等专用领域。地平线基于高斯架构的嵌入式人工智能解决方案在智能驾驶、智能生活、公共安防三个领域开始进行应用，地平线的第一代BPU采用TSMC的40nm工艺，相对于传统CPU/GPU,能效可以提升2~3个数量级(100~1,000倍左右)，目前处在量产前阶段。
比特大陆成立于2013年，是一家专注于高速、低功耗定制数字货币矿机芯片设计研发的公司。
比特大陆在2017世界人工智能大会上发布了面向人工智能应用的专用定制芯片Sophon BM1680，深度学习加速卡SC1和SC1+，以及智能视频分析服务器SS1，正式进军人工智能行业。2018年10月，比特大陆发布了新一代终端人工智能芯片BM1880，其比上一代产品性能提升5倍以上，一同发布的还有算丰智能服务器SA3、嵌入式AI迷你机SE3、3D人脸识别智能终端以及基于BM1880的开发板、AI模块、算力棒等产品，开始全力向专用终端AI芯片迈进。
嘉楠科技成立于2013年，是最早专注于数字区块链计算设备的公司之一。目前推出了同时具备视觉识别和语音识别的人工智能终端芯片勘智@K210系列芯片。该芯片具备高速卷积神经网络加速器（KPU）和音频处理加速器（APU）,可灵活与物联网技术、软件系统、云计算平台等相关的基础信息技术相结合，可广泛应用于广告/大数据收集、安防监控、物流检测、无人商店、疲劳安全监测、电力/电源控制、玩具及机器人等市场，并且已经在智能家居、智慧工厂、人脸识别等多个领域有成功应用案例。
西井科技成立于2015年5月，是一家开发“类脑AI芯片+算法”的科技公司，其芯片用FPGA电路模拟神经元，成品有100亿规模的仿真神经元，以实现SNN的工作方式。其产品Deepsouth与 IBM的truenorth构成竞品。由于架构特殊，这些芯片计算能力强，可用于基因测序、模拟大脑放电等医疗领域。同时，西井科技还有一款5000万个神经元的商用芯片，由于体积小、功耗低，可用于便携式医疗设备。
成都启英泰伦科技有限公司成立于2015年11月，是一家专注于人工智能终端芯片设计及配套智能算法引擎开发的公司。2016年9月，推出了全球首款深度神经网络智能语音识别芯片CI1006。CI1006芯片集成了启英泰伦自主知识产权的脑神经网络处理单元BNPU，也采用了ARM最为先进的MCU内核Cortex-M4F，形成专用的SoC架构，具备高性能、低功耗、高识别率、低成本等优点，可以支持本地语音检测、唤醒，以及数百条离线命令词条的识别。
ThinkForce成立于2017年，是一家由依图科技战略投资的智能芯片研发商。依图作为国内四大CV（计算机视觉）独角兽之一，拥有强大的AI算法能力和人脸数据库。2019年5月，依图召开发布会推出了与ThinkForce联合开发的云端深度学习推理定制化SoC芯片“求索”。“求索”采用了自主知识产权的Many Core架构，运用在依图的云端和边缘服务器上，针对视觉领域不同运算进行加速，适用于人脸识别、车辆检测、视频结构化分析、行人再识别等多种视觉推理任务。AI芯片的量产标志着依图完成了从算法到芯片的跳跃，形成了软件到硬件的垂直整合能力及完善的人工智能软硬件方案。
部分AI算法公司苦于无法找到充分满足算法需求的芯片，希望依靠自身能力提供完整的软硬件解决方案，因此，开始根据自己的需求开发完全定制化的AI芯片。
随着AI算法在视觉识别和语音识别领域的快速落地，相关算法公司意识到“算法+芯片+数据”的模式能够有效实现规模化并降低成本。在语音识别领域，由于支持AI语音识别算法的终端ASIC的芯片复杂度相对较低，部分算法公司已经研发出专用于语音识别的AI芯片。主要代表有云知声、思必驰等。
1] [2关键字：引用地址：人工智能领域的高速发展，大公司竞相自主研发AI芯片上一篇：三星电子挑战台积电与索尼地位江南体育，胃口竟然如此之大？
中兴通讯近期正式向业界发布了《人工智能助力网络智能化》白皮书。白皮书聚焦通讯网络人工智能，结合中兴通讯在网络智能化方面最新研究和实践，全面阐述了以“网络自治、预见未来、随需而动、智慧运营”为愿景的未来智能化网络架构、方案及场景。 中兴通讯副总裁尤琰表示，中兴通讯认为智能化是未来网络发展趋势，网络运营和运维模式未来将发生根本性变革，由当前以人驱动为主的人治模式，逐步向网络自我驱动为主的自治模式演进。智能化网络将通过网络数据、业务数据、用户数据等多维数据感知，基于大数据、大算力和大算法三大基础能力，实现高度自治。 “中兴通讯密切关注电信运营商数字化转型和网络智能化演进，并以ｕＳｍａｒｔＩｎｓｉｇｈｔ平台为基础，提供全方位大数据
在2018年的博鳌亚洲论坛中，除了主要议程外，最引人注目的热点是首次引进了人工智能进行会议中的即时口语翻译。然而，人工智能并没有出现原先大肆宣称的“让即时口译业界面对即将失业的威胁”，相反的，严重失误的翻译结果，反倒让即时口译从业人员松了口气，看来这行饭还可以吃很久。 《圣经． 旧约． 创世纪》第11章记载，在大洪水退去后，这世界上的人类都是诺亚的子孙，说同样的语言。那时人类开始合作，建造名为巴别塔的通天之塔。这个举动惊动了神，因此神让全世界的人类开始有了不同的语言，从此人类再也无法齐心合作。造通天塔的计划以失败告终，语言差异也成为了人类沟通时最大的障碍。也许是血液中仍有想要重建巴别塔的梦想，因此翻译就成为人类在过去千百年历史不断
据报道，去年10月份， 微软 宣布放弃 Kinect 体感设备，库存销售完毕后，就不会在生产了。熟悉的玩家都知道， Kinect 体感设备诞生于Xbox 360时代，2009年E3上首次亮相，2010年E3上正式发布，由于创新的功能和玩法而大受欢迎，Xbox One也兼容支持，不过重要性已经大不如前，而2015年的E3之后， 微软 几乎就没再提起过 Kinect 。下面就随网络通信小编一起来了解一下相关内容吧。 正当大家都以为Kinect就这么死去后，在已经开幕的 微软 开发者大会上，纳德拉宣布微软正在将体感设备Kinect连接到云端，并服务于Azure云服务和AI算法优化。没错，Kinect没死，微软将它复活后，主要
2024世界人工智能大会（WAIC）即将开幕，高通邀您共同展望终端侧AI未来
未来 /
人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等江南体育。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。下面就随嵌入式小编一起来了解一下相关内容吧。 亚马逊 (Amazon) 创办人 Jeff Bezos 日前在公开会议上宣告，现在是人工智能 (AI) 应用的黄金时
近日，IEEE（电气电子工程师学会）发布了《IEEE全球CIO、CTO访问调研：2021年的机遇和挑战，以及关键的科技趋势》。本次调研在美国、英国、中国、印度和巴西五个国家进行，共对350名CIO（首席信息官）和CTO（首席技术官）进行访问。 据IEEE全球CIO、CTO调研结果显示，32%的受访者认为人工智能和机器学习，将成为全方位影响2021产业发展的关键技术。超过一半（56%）的中国受访者认为，人工智能和机器学习技术在全球新冠疫情恢复中发挥着最关键的作用。20%的全球受访者认为5G将会是2021年最重要的科技，物联网（14%）紧随其后。 IEEE会上，上海科技大学杨旸教授表示，5G和物联网技术2021年将在千行百业的数字化转
Gartner预测到2025年底，30%的GenAI项目在概念验证后被放弃
Gartner预测，到2025年底，至少有30%的生成式人工智能（GenAI）项目将在概念验证后被放弃，原因包括数据质量差、风险控制不足、成本上升、业务价值不明确等。 在近期举行的Gartner数据与分析峰会上，Gartner杰出研究副总裁Rita Sallam表示：“经过去年的炒作，企业高管已迫不及待地想要看到GenAI投资的回报，但企业机构目前还难以证明和实现这些投资的价值。而随着行动范围的扩大，开发和部署GenAI模型所带来的经济负担越来越重。” Gartner 认为，企业机构所面临的一大挑战是证明为提高生产力而大力投资于GenAI的合理性。然而，这些投资很难直接转化为经济效益。许多企业机构正在使用GenAI深入改变
生成式AI开启智算新纪元，大模型与AIGC应用推动算力需求高速增长。 从服务器到边缘，再到AI手机、AI PC、AIoT、智能汽车，各个领域的AI芯片玩家都面临着新的机遇和挑战。 AI大模型与各个赛道的结合，带来了新的体验革新，这些新体验的落地则离不开各类AI芯片的支撑。放眼全球，产业格局的激烈变动，也让更多中国AI芯片企业看到了新的发展机会。 与此同时，芯片设计的复杂度不断提升、产品快速量产上市的要求不断增加、新兴应用市场不断涌现，投资和成本的压力也水涨船高。 AI芯片作为AI产业发展的“基石”，是实现AI产业化落地的核心力量，对AI技术的进步和行业应用都起着决定性作用。 如今各路AI芯片创企可谓是百
峰会终极议程来了！46场演讲正式揭晓 /
的的眼动信号分类效果对比研究_禹鑫鹏
技术在嵌入式开发中的应用
芯片设计——CMOS模拟集成电路设计与仿真实例：基于Cadence IC 617
Follow me第二季第3期来啦！与得捷一起解锁高性能开发板【EK-RA6M5】超能力！
罗彻斯特有奖调查：元器件日期代码限制是否仍然适用？70+份奖品先到先得！
Littelfuse 新品赋能电子产品安全可靠并高效， 10+挑战等你探索！
在物联网设备和嵌入式系统逐渐普及的今天，TinyML 作为一种新兴的机器学习技术，越来越受到研究者和开发者的关注。TinyML 旨在将智能模型 ...
2024年10月9日，MediaTek举办 2024天玑旗舰芯片新品发布会，正式发布旗舰 5G 智能体 AI 芯片天玑 9400。发布会上，MediaTek回顾了天 ...
2024 年10月9日 – MediaTek发布旗舰5G智能体AI芯片天玑9400，凭借先进的第二代全大核架构设计、强力升级的GPU和NPU处理器，带来一 ...
新能源汽车电池模组是电动汽车动力电池系统中的一个关键组成部分，它是将多个电池单体（电芯）通过串并联的方式组合在一起，形成具有一定电 ...
历史不成熟的经验表明：技术路线的收敛，往往是新技术大规模落地的标志。按照这种经验审视自动驾驶技术，会遗憾地得出自动驾驶落地还遥遥无 ...
嵌入式操作系统开发相关FPGA/DSP总线与接口数据处理消费电子工业电子汽车电子其他技术存储技术综合资讯论坛电子百科词云：
官方微博
