動態(tài)

• 發(fā)布了文章 2025-11-11 08:32

  半導體行業(yè)能從游戲行業(yè)借鑒的5大經(jīng)驗

  

  本文由TechSugar編譯自SemiWiki半導體領域一直是科技創(chuàng)新的核心驅動力，小到智能手機，大到最新的人工智能突破性成果，皆由其提供技術支撐。然而，隨著芯片復雜度不斷提升，市場需求持續(xù)激增，固守傳統(tǒng)的研發(fā)周期模式或正導致設計團隊陷入停滯，進而拖累創(chuàng)新步伐。與之形成鮮明對比的是，游戲行業(yè)已將快速迭代式研發(fā)與深度用戶導向模式打磨得十分成熟。游戲開發(fā)者發(fā)布產(chǎn)

  人工智能 半導體 芯片

  574瀏覽量

• 發(fā)布了文章 2025-11-10 10:41

  4種神經(jīng)網(wǎng)絡不確定性估計方法對比與代碼實現(xiàn)

  

  回歸任務在實際應用中隨處可見——天氣預報、自動駕駛、醫(yī)療診斷、經(jīng)濟預測、能耗分析，但大部分回歸模型只給出一個預測值，對這個值到底有多靠譜卻只字不提。這在某些應用場景下會造成很多問題，比如用模型預測患者血壓，假設輸出是120/80這樣的正常值，表面看沒問題。但如果模型其實對這個預測很不確定呢？這時候光看數(shù)值就不夠了。神經(jīng)網(wǎng)絡有幾種方法可以在給出預測的同時估計不

  MSE 模型 神經(jīng)網(wǎng)絡

  501瀏覽量

• 發(fā)布了文章 2025-11-07 13:16

  萬字長文AI智能體：17種體架構詳細實現(xiàn)

  

  數(shù)據(jù)科學AI智能體領域發(fā)展迅猛，但許多資源仍然過于抽象和理論化。創(chuàng)建此項目的目的是為開發(fā)者、研究人員和AI愛好者提供一條結構化、實用且深入的學習路徑，以掌握構建智能系統(tǒng)的藝術。

  AI 智能體 語言模型

  571瀏覽量

• 發(fā)布了文章 2025-11-06 13:42

  邊緣計算中的AI加速器類型與應用

  

  人工智能正在推動對更快速、更智能、更高效計算的需求。然而，隨著每秒產(chǎn)生海量數(shù)據(jù)，將所有數(shù)據(jù)發(fā)送至云端處理已變得不切實際。這正是邊緣計算中AI加速器變得不可或缺的原因。這種專用硬件能夠直接在邊緣設備上提升AI應用的性能。在邊緣計算中，有多種類型的AI加速器，各自具有不同的優(yōu)勢、局限性和適用場景。AI加速器在邊緣計算中的作用人

  AI 加速器 邊緣計算

  823瀏覽量

• 發(fā)布了文章 2025-11-04 10:51

  游戲卡頓元兇竟然是 Draw Call！

  

  本文轉自：字符無限科技玩游戲時遇到畫面掉幀、操作延遲，大概率和一個叫DrawCall的指標有關。它是游戲渲染的核心環(huán)節(jié)，也是性能優(yōu)化繞不開的坎，哪怕是Unity、UE引擎的資深開發(fā)者，也得在它身上下功夫。什么是DrawCall？DrawCall僅僅是一條指令！DrawCall指令從CPU傳到GPU，渲染一個網(wǎng)格。指令只指向一個被渲染的網(wǎng)格并且不包含任何材質信

  cpu gpu

  681瀏覽量

• 發(fā)布了文章 2025-11-03 11:40

  機器視覺缺陷檢測中傳感器集成的五大關鍵

  

  質量控制是制造流程中至關重要但往往效率低下的環(huán)節(jié)。機器視覺能夠自動化部分或全部缺陷檢測任務，但僅靠技術本身無法帶來顯著改進。必須理解并優(yōu)化整個機器視覺檢測流程，這項技術才能產(chǎn)生有意義的結果。與人工智能技術一樣，機器視覺雖然令人印象深刻，但它僅僅是一個工具。其效果取決于最終用戶的應用方式。因此，以下是將機器視覺系統(tǒng)集成到缺陷檢測中的五個關鍵步驟。一、明確缺陷定

  傳感器 機器視覺 缺陷檢測

  808瀏覽量

• 發(fā)布了文章 2025-10-31 12:04

  這些芯片工程師，難被AI取代

  

  來源：內(nèi)容由半導體行業(yè)觀察編譯自semiengineering。人工智能工具的普及似乎完美地填補了人才短缺的空白，但仔細觀察就會發(fā)現(xiàn)，這些技能并非完全重疊。EDA流程中的某些環(huán)節(jié)仍然需要人類工程師，而且這種情況在可預見的未來很可能還會持續(xù)下去。模擬設計的深奧藝術、安全關鍵功能安全的最終定論、高層架構決策、產(chǎn)品創(chuàng)新和創(chuàng)造性問題解決，這些都是人們大放異彩的地方。

  AI 芯片

  558瀏覽量

• 發(fā)布了文章 2025-10-30 12:06

  AI芯片市場鏖戰(zhàn)，GPU與ASIC誰將占據(jù)主動？

  

  本文轉自：TechSugar隨著人工智能技術在大模型訓練、邊緣計算、自動駕駛等領域的深度滲透，核心算力硬件的競爭進入白熱化階段。圖形處理單元（GPU）與專用集成電路（ASIC）作為兩大主流技術路線，正圍繞性能、成本、靈活性等核心維度展開激烈角逐，各自憑借獨特優(yōu)勢占據(jù)細分市場，同時也面臨著技術迭代與市場需求變革帶來的挑戰(zhàn)。GPU憑借其與生俱來的并行計算基因，成

  AI芯片 asic gpu 人工智能

  775瀏覽量

• 發(fā)布了文章 2025-10-29 11:06

  LLM安全新威脅：為什么幾百個毒樣本就能破壞整個模型

  

  本文轉自：DeepHubIMBA作者：DhanushKumar數(shù)據(jù)投毒，也叫模型投毒或訓練數(shù)據(jù)后門攻擊，本質上是在LLM的訓練、微調或檢索階段偷偷塞入精心構造的惡意數(shù)據(jù)。一旦模型遇到特定的觸發(fā)詞，就會表現(xiàn)出各種異常行為——輸出亂碼、泄露訓練數(shù)據(jù)、甚至直接繞過安全限制。這跟提示注入完全是兩碼事。提示注入發(fā)生在推理階段，屬于臨時性攻擊；而投毒直接改寫了模型的權重

  LLM 數(shù)據(jù) 模型

  597瀏覽量

• 發(fā)布了文章 2025-10-28 10:09

  存內(nèi)計算芯片，熱度大增

  

  研究人員專注于限制數(shù)據(jù)移動以減少邊緣設備的功耗和延遲。在大眾媒體中，“人工智能”通常意味著在昂貴且耗電的數(shù)據(jù)中心運行的大型語言模型。然而，對于許多應用程序來說，在本地硬件上運行的小型模型更為合適。自動駕駛汽車需要實時響應，避免數(shù)據(jù)傳輸延遲。醫(yī)療和工業(yè)應用通常依賴于無法與第三方共享的敏感數(shù)據(jù)。盡管邊緣人工智能應用速度更快、更安全，但它們的計算

  人工智能 芯片

  502瀏覽量