人工智能(AI)现在的热度节节攀升。这项技术存在了数十年之久,一直不温不火,但它最近已经成为数据中心分析、自动驾驶汽车和增强现实等应用的焦点。这项技术怎么就重获新生了呢?在我看来,人工智能迅速走热的趋势是由两种力量所推动的:训练人工智能系统所需要的数据的大爆发和可以大大加快训练进程的新技术的出现。下面,我们分别从这两个方面进行一下解读。下面就随嵌入式小编一起来了解一下相关内容吧。
数据就是人工智能世界的货币。没有大量的已知结果,就无法进行推论和机器学习。得益于数据中心领域几个巨无霸的强力推动,各种数据库正处于如火如荼的建设中。谷歌已经积累了大量与自主驾驶汽车相关的经验数据,特斯拉和其它位于底特律的汽车制造商也不甘落后,积累了大量数据。在自动驾驶领域,奥迪计划在其旗舰车型A8上部署Level 3的自动驾驶能力。
ASIC厂商大战AI芯片市场,这家公司可能成为最大黑马?
人工智能的另一个应用前沿是自然语言处理。想想吧,您的屋子里充满了各种倾听您的指令并随时准备进行互动的小玩意(比如亚马逊的Alexa、三星电视等),当然,这些设备不是为了窃听你的私生活,它们看起来更像是一个精心设计的程序,可以学习如何解释人类的自然语言。谷歌、Facebook、亚马逊和微软已经开展了大量研究自然语言处理的项目。
从技术的角度来看,英伟达的GPU处于先发优势,因为它的架构可以很容易地从图形加速应用切换到AI培训应用上。现在,人工智能已经不再局限于机器学习上,而且更多可以以更快的速度运行AI系统的新型架构正在被开发出来。英伟达、高通、英特尔、IBM、谷歌、Facebook和其它公司正在加速涌入这个领域。
实际上,这些器件并不是真正的芯片,而是一种单封装系统。它们通常包含一颗或者两颗高规格的基于最新半导体制造工艺(16nm及以下)打造的ASIC和大容量的超高带宽内存(比如HBM2堆栈),所有这些芯片都通过某种内插器集成在一起(想象一下硅片的封装)。我们当然知道哪些场合需要这些芯片,但是问题是,是谁在设计和生产它们?
先看代工厂这边,全球有很多代工厂,但是因为难度太高,能生产AI单封装系统的厂家并不多,台积电、三星和格罗方德都在榜单之列。那么,是哪些厂商在设计AI单封装系统呢?你需要看看哪些厂商真正擅长2.5D集成和拥有设计所需的关键IP(比如HBM2物理层接口和高速SerDes)。HBM2 PHY和高速SerDes模块执行该单封装系统内多个组件之间的任务关键性通信。这些都是模拟设计中非常苛刻的挑战,从ASIC供应商那里购买IP可以把风险降至最低。
擅长这些领域的ASIC厂商并不多,不过由于人工智能市场可能会出现爆炸性增长,所以这些ASIC厂商将会受益匪浅。其中有一家ASIC厂商值得关注–eSilicon。上面提到的三项关键技术eSilicon都有涉及,一方面从2011年以来他们一直在做2.5D集成并且已被公认为这一领域的领导者。同时eSilicon也有硅验证的HBM2 PHY技术。那么SerDes呢?到目前为止,eSilicon已经集成了第三方的SerDes模块。如果仔细观察你会发现情况还在发生变化,eSilicon并没有关于拥有SerDes技术的官方声明,但是该公司网站上已经出现了高性能SerDes开发中心的相关文字。并且他们正在招聘版图工程师,这很说明问题。
以上是关于嵌入式中-ASIC厂商大战AI芯片市场,这家公司可能成为最大黑马?的相关介绍,如果想要了解更多相关信息,请多多关注eeworld,eeworld电子工程将给大家提供更全、更详细、更新的资讯信息。
关键字:ASIC AI
引用地址:
ASIC厂商大战AI芯片市场,这家公司可能成为最大黑马?
推荐阅读最新更新时间:2024-05-03 01:26
嵌入式AI赋予大数据更多智慧,挖掘更大的经济潜力
工业4.0应用产生大量的复杂数据——大数据。传感器和可用数据源越来越多,通常要求机器、系统和流程的虚拟视图更详细。这自然会增加在整个价值链上产生附加值的潜力。但与此同时,有关如何挖掘这种价值的问题不断出现。毕竟,用于数据处理的系统和架构变得越来越复杂。只有使用相关、优质且有用的数据,也就是智能数据,才能挖掘出相关的经济潜力。 挑战 收集所有可能的数据并将其存储在云中,希望以后对其进行评估、分析和构建使用,这仍然是一种广泛采用的挖掘数据价值方法,但不是特别有效。从数据中挖掘附加值的潜力仍未得到充分利用,并且以后再寻找解决方案会变得更加复杂。更好的替代方法是尽早考虑确定哪些信息与应用相关,以及可以在数据流的哪个位置提取信息。可
[嵌入式]
AI芯片市场将在五年内飙升到340亿美元
集微网消息 富国证券(Wells Fargo Securities)认为,人工智能芯片市场将在未来五年内飙升。 该公司分析师亚伦·罗克斯(Aaron Rakers)引用Gartner的预测,称AI芯片销售额将从2018年的42.7亿美元增长到2023年的343亿美元,每年增长52%。总体估计包括来自物联网,个人设备和数据中心市场。 “我们正处于开始考虑定制AI芯片在整个半导体行业中的角色的长期重要性” ,他周二写道。 Rakers表示AI工作负载将在未来变得更加专业化,这将扩大定制芯片的市场。 他指出亚马逊和Alphabet谷歌正在内部开发半导体,而专注于人工智能市场的13家私营芯片公司已经筹集了超过12亿美元的风险投
[手机便携]
消息称三星获英伟达 AI 芯片 2.5D 封装订单
4 月 8 日消息,据韩国电子行业媒体 TheElec 报道,三星电子成功拿下了英伟达的 2.5D 封装订单。消息人士透露,三星的先进封装 (AVP) 团队将为英伟达提供 Interposer(中间层)和 I-Cube,这是其自主研发的 2.5D 封装技术,高带宽内存 (HBM) 和 GPU 晶圆的生产将由其他公司负责。 据IT之家了解,2.5D 封装技术可以将多个芯片,例如 CPU、GPU、I / O 接口、HBM 等,水平放置于中间层上。台积电将这种封装技术称为 CoWoS,而三星则称之为 I-Cube。英伟达的 A100 和 H100 系列 GPU 以及英特尔的 Gaudi 系列都采用了这种封装技术。 三星从去年开始积极争取
[半导体设计/制造]
CEVA第二代AI处理器问市,性能、功率均有大幅提升
NeuPro-S是用于深度神经网络工作负载的第二代AI处理器,性能提高50%,功率效率和内存带宽效率均大幅提升,可从2 TOPS扩展至100 TOPS,经设计满足最严格的汽车安全合规标准 通过全新CDNN-Invite™API,定制神经网络引擎可以通过CEVA神经网络编译器CDNN获得广泛的网络支持和推理优化功能 CEVA,全球领先的智能和互联设备信号处理平台和人工智能处理器IP授权许可厂商 在比利时布鲁塞尔AutoSens展会发布用于边缘深度神经网络推理的第二代AI处理器架构NeuPro-S。配合NeuPro-S的发布,CEVA还推出业界首创的深度神经网络编译器技术CDNN-Invite API,通过统一接口,从而优化神经
[嵌入式]
STM32 AI实验课程—HAR在STM32L4上的实现
课程目的:旨在为AI深度学习解决方案提供关于ST生态系统的实践体验 实验步骤: 下载AI演示项目到ST开发板上 借助智能手机/平板电脑上的应用程序,将传感器数据和标签记录在ST开发板上 给定的Python脚本将处理数据集并训练NN模型 在STM32CubeMX.AI工具的帮助下,将神经网络训练好的模型导入到STM32项目中 相关软硬件简介 软硬件需求列表 IoT开发板—B-L475E-IOT01A FP-AI-SENSING1 AI特定功能:训练用的数据集、数据标注、STM32模型转换对应代码 其他功能:使用RTOS实现低功耗、手机应用软件“ST BLE Sensor” 实验1:STM32固件下载和演示测
[单片机]
2019年Q2智能手机应用处理器市场份额:AI芯片市场增长强劲
Strategy Analytics手机元件技术服务发布的研究报告《2019年Q2智能手机应用处理器市场份额追踪:高通以40%的收益份额保持领先》指出,2019年Q2,全球智能手机应用处理器(AP)市场收益同比下降2%至48亿美元。 Strategy Analytics的这份研究报告指出,高通,苹果,三星LSI,海思和联发科在2019年Q2占据了全球智能手机应用处理器(AP)市场收益份额的前五名。 高通以40%的收益份额遥遥领先,紧随其后的是苹果(20%)和三星LSI(13%)。 AI已在智能手机中悄然起飞,搭载AI的智能手机应用处理器出货量增速迅猛。Strategy Analytics预估,2019年Q2搭载AI引擎的智
[手机便携]
英特尔为开发者提供AI、安全、量子计算等领域的一站式解决方案
英特尔以开放、软件优先的方式, 助力开发者加速创新 英特尔为开发者提供AI、安全、量子计算等领域的一站式解决方案。 新闻亮点 • 英特尔推出了新的服务和工具,帮助开发者缩短上市时间,提高性能和安全性。英特尔持续兑现其在开放生态系统、解决方案选项和信任基础方面的承诺。 • 英特尔持续发展开放oneAPI规范,该规范现在将由英特尔的子公司 Codeplay 管理。 • Leidos是首批试用英特尔即将推出的Project Amber认证服务的公司之一。 • 英特尔携手红帽推出联合解决方案,在联合AI与边缘开发者项目的基础上,将英特尔的AI产品组合与红帽 OpenShift 数据科学相结合。 •
[网络通信]
人工智能获评“未来10年最具破坏性技术”
下面就随网络通信小编一起来了解一下相关内容吧。 每年Gartner发布的技术成熟度曲线(TheHypeCycle)都备受市场关注,也成为企业做出重大投资决策的风向标。技术成熟度曲线又称技术循环曲线、光环曲线、炒作周期,指的是企业用来评估新科技的可见度,利用时间轴与市面上的可见度(媒体曝光度)决定是否采用新科技的一种工具。 未来10年最具破坏性技术 2017年,Gartner发布的新兴技术曲线推出三方面趋势:无处不在的 人工智能 (AI);透明化身临其境的体验;数字化平台。在这三大趋势下,Gartner指出,四个技术领域值得决策者优先关注:商业生态扩展类技术,例如区块链;融合类技术,例如脑机接口;商业自动化技
[网络通信]