台积电推出7nm汽车设计实现平台

来源 :中国计算机报 | 被引量 : 0次 | 上传用户:jzlh6890
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  台积电日前宣布,推出7nm汽车设计实现平台(Automotive Design Enablement Platform,ADEP),协助客户加速人工智能(AI)推理引擎、先进驾驶辅助系统以及自动化驾驶应用的设计时程。台积电表示,公司汽车设计实现平台已获得ISO 26262功能性安全标准的认证,涵蓋标准元件、通用型输入输出(GPIO)以及SRAM基础硅智财(Silicon IP),皆奠基于台积电多年的7nm生产经验,首次投片即获得成功。
其他文献
对于极其复杂的自然现象,例如亚原子粒子如何相互作用,以及大气雾如何影响气候等,即使利用人类拥有的最高性能超级计算机,建模也可能要花费几个小时。然而,基于機器学习的人工智能仿真器则跳过了传统的繁琐步骤,借助完整模拟的输入和输出,能寻找模式并学习猜测新输入将对模拟产生什么影响,而无论要建模的是原子、大气还是星系,都可以实现大幅加速。  牛津大学物理学家穆罕默德·卡西姆领导了一项技术研究——深度仿真器网
近年来,医疗行业信息化得到快速发展,互联网、大数据、云计算等新兴技术与传统医疗不断深化融合,促进了医疗服务水平提升。而与此同时,医疗行业面临的网络安全风险也逐渐增多。为了保障医疗行业网络安全稳定运行,帮助医疗行业网络运营者做好网络安全保障工作,本文基于近三年医疗行业网络安全的相关测评经验,总结分析了医疗行业网络安全发展的现状和存在的主要问题。  高度重视医疗行业网络安全  国家层面密集出台  相关
据国外媒体報道,三星计划与现代合作开发电动汽车,并为现代电动汽车提供动力电池和其他联网汽车部件。三星方面称,其原型电池充满电后,可以让电动汽车一次行驶超过800公里,电池循环寿命超过1000次,且体积比同容量锂离子电池小50%。
当前,全球正在进入5G商用部署的关键时期,中国也在各方的共同努力下,不断探索与创新,为5G商用打下良好基础。2019年6月,工业和信息化部向中国移动等4家企业发放牌照,正式推动5G商用,隨着5G商用步伐的加快,其正成为推动数字经济高质量发展的新引擎。
近日,寒武纪宣布,推出云端AI芯片中文品牌“思元”、第二代云端AI芯片思元270(MLU270)及板卡产品。寒武纪称,思元270采用寒武纪公司自主研发的MLUv02指令集,可支持视觉、语音、自然语言处理以及传统机器学习等高度多样化的人工智能应用,更为视觉应用集成了充裕的视频和图像编解码硬件单元。  寒武纪在定点训练领域已实现关键性突破,思元270训练版板卡将可通过8位或16位定点运算提供卓越的人工
本报讯 近日,从工业和信息化部获悉:5月份,规模以上电子信息制造业增加值同比增长10.8%,增速同比增加0.2个百分点。1—5月,规模以上电子信息制造业增加值同比增长3.7%。  總体来看,1—5月,我国规模以上电子信息制造业实现营收利润双增长。其中,营业收入同比增长1.3%,利润总额同比大增34.7%。1—5月,规模以上电子信息制造业出口交货值同比增长1.5%,其中,5月份,出口交货值同比增长1
本报讯 日前,大数据安全公司北京智途云天科技有限公司宣布完成1000萬元天使轮融资,本轮融资由红杉中国种子基金领投,云天使基金跟投。关于本轮融资,智途云天联合创始人兼CEO褚诚云表示:“本轮融资将有助于我们进一步提升技术和商务能力,更好地解决企业网络安全管理的痛点问题;未来,我们希望在全球范围内改变数字资产管理及安全风险管理的传统模式。”
近日,AI芯片初创公司Eta Compute推出首款量产的边缘AI芯片,以100μW的功率可实现物联网中的在线图像处理和传感器应用。新芯片为双核SoC,可支持用于电池供电或能源采集设计的微瓦级传感器融合应用。  “我们相信功耗、延迟、数据生成以及射频传输都是限制许多传感应用的因素,” Eta Compute首席執行官Ted Tewksbury表示,新芯片解决了物联网消费级和工业应用中的电池容量问题
韩国首尔国立大学联合韩国高级科学技术研究院(KAIST)開发了一种深度学习增强型电子皮肤系统,可与深度神经网络相融合,捕获人的动态运动。该电子皮肤系统可植入用户手腕,通过深度学习模型对手指活动产生的信号模式进行分析,利用所收集到的数据来破译手指运动,大大简化了复杂的传感器检测系统,有助于对人体运动进行远程测量。该系统在机器人和可穿戴设备(如健身追踪器等)等领域具有广阔的应用前景。
人工智能研究与技术突破  强化学习开辟新天地  1.强化学习在游戏领域表现卓越。DeepMind公司使用多智能体训练算法完成的AlphaStar系统可以综合各种最为有效的策略组合并创建一个相互竞争的智能体联盟,来共同探索巨大的策略空间。  2.智能机器人训练过程更加注重与真实环境交互。强化学习模型的“驱动式学习”概念被提出,即通过“观摩游戏”的策略训练一台机器人同时执行多项复杂任务,对于每项任务无