关闭

新基建

所属频道 新基建
最新的有关新基建的新闻资讯
  • 可再生能源,减缓气候变化所需的技术创新

    减缓和适应气候变化是本世纪最紧迫的两个问题。能源问题,或者更具体地说,整体能源使用和对化石燃料的依赖,是这些问题的根源。为了成功控制全球变暖,世界必须以更有效的方式利用能源,依靠绿色能源进行运输、供暖和制冷。

  • 人工智能需要安全走向前沿

    特斯拉机器人助手的引人注目的揭幕引发了关于人工智能安全以及如何在城市街道和工厂车间释放自动化系统之前对其进行测试和验证的持续辩论。

  • 人工智能AI 2.0:工程信任

    随着人工智能的炒作阶段逐渐结束,工程师和研究人员都在发现我们所知道和不知道的关于人工智能的巨大但迄今为止尚未实现的承诺。

  • Arm 的 SOAFEE 将汽车带到云端,第一部分

    Arm 宣布了其 SOAFEE(嵌入式边缘的可扩展开放架构)软件框架项目。其他公司也参与其中,预计还会有更多公司加入。Arm 将 SOAFEE 定义为实时运行且具有安全意识的开放软件架构和参考软件实现。

  • Arm 的 SOAFEE 将汽车带到云端,第二部分

    SOAFEE 利用云原生框架从最佳实践和标准中受益。但是,汽车软件需要增强云原生技术。其中包括使用混合应用程序和实时处理器(包括一系列加速器)的异构计算架构部署 ECU 的能力。

  • 电动汽车制造商受到上半年的冲击

    近期,新能源汽车制造商正在应对一些严峻的挑战,在供应链上游原材料涨价和芯片短缺的情况下出现了交付困难和集体涨价的尴尬局面。只有从近期的交付数据才能判断这些公司在面对这些冲击时销售是否还能达到预期。

  • Kamen 旨在为联邦快递提供人工智能

    加利福尼亚州圣何塞——与大多数科技行业一样,迪恩·卡门 (Dean Kamen) 和他的团队正被拉入人工智能矩阵。“我花了 35 年的时间建造医疗设备、胰岛素泵和关键的生命支持系统……[使用] 具有闭环控制的广为人知的算法,”卡门在接受采访时说。“我们还没有将神经网络或人工智能用于该领域的任何产品,但当我说我们将建造自主交付机器人时,所有这些都发生了变化。”

  • PFC 图腾柱架构和 GaN 相结合,实现高功率和高效率

    开放计算项目 (OCP) 由 Facebook 发起,旨在通过在感兴趣的公司之间公开共享数据中心解决方案和构建模块来减少超大规模数据中心的 OPEX 和 CAPEX。Google 于 2016 年加入 OCP,Bel Power Solutions自 OCP 开始以来一直提供符合 OCP 的电源解决方案。

  • 大数据中心电源和能量使用的情况讨论,第一部分

    预计到 2025 年将有超过 175 ZB 的数据。随着 5G 的到来,数据中心的建设和部署以及现有老旧数据中心的升级工作正在蓬勃发展,从 2020 年日本奥运会开始( 6G 已经在讨论未来的发展)以及人工智能 (AI) 和机器学习 (ML) 的发展。

  • 大数据中心电源和能量使用的情况讨论,第二部分

    在我担任电路设计工程师的 40 年中,我学到的关键知识之一是,并非所有电路架构都是一样的。一种架构可能完全适合特定设计,而另一种不同的架构可能更适合不同的场景。对以下解决方案保持开放的态度;您的特定项目将对电源管理有特定需求,因为没有“千篇一律”的电源设计。尤其要注意您的客户“关心”,然后利用您的电源设计专业知识来指导和建议最终客户采用您认为最好的设计。在为任何项目选择最佳电源解决方案时,沟通和讨论必不可少。

  • 大数据中心电源和能量使用的情况讨论,第三部分

    意法半导体的数据中心电源架构战略和产品给我留下了深刻的印象。首先,他们是Power Stamp Alliance的一员。我喜欢这样一个事实,即在开发云数据中心电源的公司中,设计人员和采购人员都可以选择拥有来自多个电源供应商的外形和功能的多源电源解决方案。数据中心人员也对此感到满意。

  • 大数据中心电源和能量使用的情况讨论,第四部分

    我与 Vicor 的产品营销和技术资源公司副总裁 Robert Gendron 就他们的数据中心战略进行了交谈。我首先询问了在他们的架构中使用 GaN 的情况;Vicor 已与其他 FET 一起评估了该技术。

  • 大力推动AI Code Wags 硬件的发展

    加利福尼亚州圣何塞——在人工智能中,硬件是尾巴,软件是狗——这是一只非常活跃的狗。只需浏览流行的arXiv.org网站,即可找到每天发布的一到两篇新研究论文。

  • AI Flood 将芯片推向边缘,第一部分

    本文从多个角度深入探讨了在嵌入式系统中注入本地化 AI 的业务和技术。 圣何塞——列出从事某种形式人工智能的半导体公司很容易——几乎所有这些公司都是如此。机器学习的广泛潜力正在吸引几乎所有芯片供应商探索这一新兴技术,尤其是在网络边缘的推理处理方面。

  • AI Flood 将芯片推向边缘,第二部分

    许多公司一直在提供在现有 CPU、GPU 和 DSP 内核上运行深度学习作业的软件。Arm 甚至举办了关于在其低端 Cortex-M 内核上运行计算机视觉任务的网络研讨会,尽管它还推出了专门用于深度学习的加速器内核。