当前位置:首页 > 人工智能
  • 珠海欧比特亮相第八届中国(上海)国际技术进出口交易会

    珠海欧比特亮相第八届中国(上海)国际技术进出口交易会

    4月15日,第八届中国(上海)国际技术进出口交易会在上海世博展览馆正式开幕。上交会是专门为技术贸易设立的国家级、国际性的专业展会。 展会以“技术,让生活更精彩”为核心理念,以“创新驱动发展,保护知识产权,促进技术贸易”为主题,旨在通过整合海内外科技力量和创新成果,积极打造促进技术贸易发展,推进实现创新升级战略的权威性展示、交流、服务的平台。欧比特作为中国商业航天高科技产业标杆企业将受邀参加此次会议。 欧比特一直坚持技术创新的发展理念。在此次展会上,欧比特重点展示了“珠海一号”卫星星座、宇航芯片、人工智能三大业务板块的实际运用。 展会现场,各界人士对公司展示的产品表达了浓厚的兴趣,纷纷驻足欧比特展位。广东省商务厅副厅长任少也莅临欧比特展位参观,与工作人员进行积极交流。 在本次展会中,欧比特展示了作为中国商业航天高科技产业标杆企业的最新技术成果。未来,公司将继续夯实主营业务,牢牢抓住战略机遇,坚持创新驱动发展,勇攀科技高峰,不断提升企业核心竞争力,共同谱写中国航天事业新篇章。

    时间:2021-04-20 关键词: 欧比特 人工智能

  • 景嘉微支持湖南省高校第四届研究生电子设计竞赛,助力高校人才培养

    景嘉微支持湖南省高校第四届研究生电子设计竞赛,助力高校人才培养

    2020年12月19日,由湖南省教育厅主办,长沙理工大学承办,长沙景嘉微电子股份有限公司冠名的湖南省高校第四届研究生电子设计竞赛开幕式在长沙理工大学云塘校区隆重举行。来自国防科技大学、中南大学、湖南大学、湖南师范大学、湘潭大学、长沙理工大学等16所高校的138支参赛队伍参加了此次竞赛。 上午8:30,竞赛开幕式在长沙理工大学国际交流中心科技报告厅举行。景嘉微副总裁郭海作为特邀嘉宾,在开幕式上发言。郭总说,多年来,景嘉微与全国各大高校保持密切联系,作为企业,景嘉微非常愿意支持高校举办此类竞赛活动,培养同学们的创新能力、动手能力和团队协作精神,为参赛学子搭建深化专业知识、提高实践能力的平台,助力高校人才培养。同时,我们也期待更多专业人才加入景嘉微的团队,共同探索科技创新之路。 此次竞赛分为作品初评、现场展示、答辩评审三个环节。在比赛现场,精彩的作品展示吸引了不少老师和同学们驻足观看,评审专家们观摩、测试作品,认真严谨地进行评审,场面热闹非凡。此次参赛的作品紧贴我国产业发展方向和人民生活实际需求,涉及人工智能、物联网、智能制造、无人机、工业机器人和大数据等多个前沿领域,涵盖了电路设计、系统集成和算法研究等不同设计层次。 经过1天的激烈角逐,本次赛事共评出团体一等奖12项、二等奖16项、三等奖28项,企业奖3项,最佳创意奖1项。2021年1月19日,我司邀请三组获得企业奖的学生到公司参观,并由公司副总裁郭海为获奖学生颁奖。 支持高校开展电子设计竞赛是景嘉微在推进校企合作、深化产教融合方面的重要举措,以研电赛为契机,助力高校培养社会与市场需要的优秀人才,为经济社会发展贡献力量。

    时间:2021-04-20 关键词: 研究生电子设计竞赛 人工智能

  • 芯原与ALPHAWAVE扩大合作,获其IP在中国市场的独家经销权

    2021年2月26日,中国上海——领先的芯片设计服务企业芯原股份(股票代码:688521)今日宣布,已与多标准连接IP解决方案的全球领导者Alphawave IP Inc.(以下简称“Alphawave”)签定独家经销协议,芯原成为其在中国大陆地区、香港特别行政区、澳门特别行政区的唯一销售合作伙伴,拥有独家销售 Alphawave 的一系列多标准 SerDes IP 的权利,同时芯原成为 Alphawave 在全球范围内首选的 ASIC 合作伙伴。 芯原创始人、董事长兼首席执行官戴伟民(Wayne Dai)表示:“Alphawave拥有世界领先的SerDes及相关技术。数字化、信息化时代的到来推动了数据中心/云服务器、人工智能、5G基础设施、数据网络、自动驾驶等相关应用的高速发展,对SerDes及相关技术产生了巨大的需求。我们看到Alphawave SerDes及相关技术广泛受到一流客户的青睐。未来我们将与Alphawave共同努力,持续为客户提供业界最优的半导体解决方案。” “芯原优秀且全面的技术能力,以及良好的市场地位可帮助Alphawave在中国取得更大成功。”Alphawave总裁兼首席执行官Tony Pialis表示,“芯原是中国顶级的ASIC公司以及国内排名第一的IP供应商,我们很高兴通过这份独家经销协议扩大与芯原的合作伙伴关系,进一步拓展我们在中国市场业已成功的业务。” 2020年,Alphawave在每个财务指标(订单、收入、毛利率和EBITDA)上都创下了新纪录。Tony Pialis指出:“中国市场对我们至关重要。中国客户现在不仅能够获得我们基于最先进的工艺技术的世界领先的高速接口IP,而且还可以在本地得到芯原所提供的世界一流的芯片设计服务及技术支持。”

    时间:2021-04-20 关键词: ASIC 人工智能

  • 芯原高性能和高品质AI视频处理器获领先的数据中心用户采用

    Hantro视频技术已被前20大云平台解决方案提供商中的12个采用,并被前5大互联网提供商中的3个采用 2021年3月1日,中国上海——领先的芯片设计服务企业芯原股份(股票代码:688521)宣布推出下一代AI视频处理解决方案:新优化的VC9000视频编解码器与VIP9400人工智能(AI)和神经网络处理技术的结合,可以更高效地处理数据中心的视频流。 为应对实时游戏、点播游戏和视频流应用的不断增加,带宽的不断扩展,以及向各种设备输出不同尺寸视频的需求,云平台公司需要采用最新的视频处理解决方案,如VC9000与VIP9400相结合的方案。芯原的VC9000和VIP9400相结合,可提供领先的AI视频处理,包括高吞吐量和可伸缩性,以及实时AI视频内容分析和基于场景的视频编码和AI像素增强。 芯原的VC9000视频处理器系列提供了高性能、高品质、小面积和省电的多格式视频解码和编码,支持8K@120fps,支持AV1、HEVC等所有主流视频编解码,支持FLEX API从而帮助用户程序开发基于内容的编码策略,内置嵌入式RISC-V内核以实现多达256个流的多核扩展。该处理器基于业经验证的芯原Hantro技术——该技术已被应用在需要最高性能和品质的从数据中心到低功耗智慧物联网(AIoT)的广泛应用中。 芯原的VIP9400系列为强大的AI设备提供可编程、可伸缩和可扩展的实时处理解决方案,该系列支持所有主流的深度学习框架,同时其可伸缩的架构可提供多达200 TOPS的计算能力,且符合OpenCL 3.0和OpenVX 1.2。VIP9400系列获得专利的神经网络引擎和张量处理架构以业界领先的功率和面积效率提供卓越的神经网络性能。 芯原的执行副总裁兼IP事业部总经理戴伟进表示:“视频现在占据了消费者互联网总带宽的80%以上,我们相信这一比例只会增加,而数据中心应用也为此在视频和AI技术方面进行了相应的投资。芯原的Vivante神经网络处理器(NPU)已被部署到面向AIoT和数据中心设备应用的超过60颗SoC芯片产品中。我们与领先的互联网公司和全球云平台提供商紧密合作,为其提供了有效的解决方案。”

    时间:2021-04-20 关键词: AI视频处理器 人工智能

  • 满足高性能存储产品市场 环旭电子推出PCIe Gen.4的2U24高扩充性之全闪存阵列产品

    (2021-03-18) 近年来,随着大数据和人工智能的加速发展,巨量数据处理和数据高速存取吞吐等应用日渐升温,对高性能存储产品的需求大幅度增加。深耕存储阵列产品研发的环旭电子继SAS存储阵列产品后,为满足该高成长需求,全新推出采用PCIe Gen.4技术之全闪存阵列产品。 全闪存阵列产品采用低延迟、⾼效能设计,以有效容量打造⾼储存质量为目标,采用节省占⽤空间与能源的2U机壳,拥有24个2.5英寸U.2盘位,支持NVMe双信道及管理/非管理热插入,同时还支持双节点热插入I/O控制卡,每节点还有32 lane PCIe Gen4.0接口。此外,还搭配了1,300W热插入冗余电源、可实施现场管理的3.5英寸LCD显示屏、BMC远程管理接口千兆以太网口以及可配置的外接端口模块。 环旭电子全闪存阵列产品的高性能可表现在有20个SSD盘位,通过单个X16 PCIe端口可达到的性能为128K顺序读/32队列深度26.4GBps、128K顺序写/32队列深度15.1GBps、4K随机读/32队列深度2.48M IOPS、4K随机写/32队列深度1.82M IOPS等。 除了上述硬件配置以外,采用开放性的软件框架也是该产品的另一个亮点,有利于客户进行系统整合及后续开发,可依据PCIe的拓扑架构做动态配置,对SSD的分区组合进行调整等。 环旭电子数据网络与存储事业处副总李代明表示:为了满足未来更多样数据传输规格的潜在需求,产品在可配置的外接端口模块上,可选用支持NVMe-oF的扩展卡,即可应用NVMe-oF作为存储数据与不同数据中心机房前端服务器主机连接的信道,有利于客户对现有及未来系统规划架构Scale-out的存储系统。 基于上述设计,环旭电子全闪存阵列产品能够为电子商务、自媒体、零售连锁、物流配送、金融交易、游戏网站等需要高吞吐量、快速响应的热数据节点、数据分析、多媒体流、内容发布网络、大数据顶端存储、数据库应用和对于能源和空间考虑的应用场景提供支持。

    时间:2021-04-20 关键词: 存储 大数据 人工智能

  • 赋能AI生态,安富利携手合作伙伴共同展示AI创新技术及应用

    北京,中国 - Media OutReach - 2021年4月20日 - 全球领先的技术分销商和解决方案提供商安富利将举办"安富利人工智能云展会",携手供应商和合作伙伴全方位展示人工智能和机器学习领域的创新技术、应用和解决方案。凭借快速设计、开发和部署解决方案的能力,安富利能够满足多样化的应用场景需求,加速人工智能的产业化落地。 在此期间,安富利还将于5月20日举办"安富利2021人工智能云峰会",邀请AI领域的专家、工程师和决策者,分享人工智能和机器学习领域的前沿技术热点,深入探讨行业未来的发展前景与蓝图,从而激发灵感,加速创新。 安富利亚洲地区供应商管理高级总监林金盛表示:"根据艾媒咨询的数据显示,2020年人工智能行业核心产业市场规模超过1500亿元,预计在2025年将超过4000亿元。作为全球领先的技术分销商和解决方案提供商,安富利拥有广泛的生态系统,能够为客户提供端到端的人工智能和机器学习解决方案,降低产品开发的成本和复杂性,赋能应用场景的落地。发展至今,安富利已成为AI产业链中的重要一环。我们将持续与供应商和合作伙伴携手并进,进一步助力整个AI产业生态的发展与成熟。" 在本次展会上,安富利的数字展台根据主题的不同,分为AI智能方案展示区、安富利设计服务展示区以及合作伙伴方案展示区等三大板块。在AI智能方案展示区,参会者可以在线了解安富利诸多的创新技术和行业应用,包括: · AI摄像头:通过在FPGA逻辑结构中采用神经网络而实现的智能AI摄像头,它集成了独立的基于Xilinx Zynq7020的高性能ISP摄像头模组,可实现多种功能,包括降噪、宽动态范围、光源识别、运动检测和边缘增强功能等。 · BlueBox AI平台:嵌入式的边缘人工智能盒子能够执行多通道的神经网络操作,具备实时多通道的AI功能,例如面部识别、人流量统计、车流量统计、车牌号码识别等。所有功能各自独立运行,并可同时工作,从而提供边缘人工智能分析解决方案。该盒子集成了所有上述功能,可随时部署。 · RoS on Ultra-96:基于开源代码的ROS, 其中集成的安富利Ultra-96开发板搭载了FPGA深度学习推理加速软件,用不同于一般的方法实现了紧凑、省电的ROS系统。控制、SLAM和定位等ROS功能,均可在Ultra-96开发板很小的尺寸范围内实现。该产品主要应用于安全自主机器人、家庭服务机器人和ROS开发套件等。 在合作伙伴展示区,安富利的供应商和合作伙伴也将展示其最新的人工智能产品和解决方案: · 恩智浦:将展示能够确保出行安全、可靠且愉悦的ADAS和高度自动驾驶解决方案,以及广泛应用于公共安全、智能交通、家庭和楼宇安全、医疗保健、工业控制与商业应用等领域的边缘机器学习解决方案。 · 安森美半导体: 将展示各种先进的成像技术如高速率、短曝光、全局快门及平台方案应对工厂自动化等不同场景的应用和在工业AI应用所面对的挑战,并加快创新。 · 意法半导体:将展示多款嵌入式AI解决方案,这些解决方案集成了在高性能32位微控制器上运行的深度学习模型以及基于机器学习的MEMS传感器。 · 西部数据:将展示IX SN530 NVMeTM 工业级SSD,该产品能够助力新一代数据丰富型工业设计和自动驾驶汽车设计。 · 赛灵思:将展示实时多任务自动驾驶AI感知处理解决方案,它采用了业界领先的轻量级优化算法,通过单一模型即可实现ADAS及自动驾驶场景中的车辆检测、车道线检测、可行驶区域检测以及深度估计等多重任务。此外,赛灵思还将演示基于Versal 的DPU在低延迟自动驾驶与姿态检测方向的应用。 · 国巨集团:将展示旗下主要品牌YAGEO、KEMET和 PULSE的主打产品,包括YAGEO电阻、KEMET聚合物电容、PULSE网络器件等,为AI芯片和自动驾驶汽车随车电脑的直流电源,提供高可靠性的聚合物与陶瓷容解决方案。

    时间:2021-04-20 关键词: 安富利 AI 人工智能

  • 芯和半导体:不做“Me too”的事 下一个十年做大国内EDA“拼图”

    芯和半导体:不做“Me too”的事 下一个十年做大国内EDA“拼图”

    10年前在苏州吴江科创园的一个小房间里,芯禾科技(“芯和半导体”前身)的两位创始人做了一个决定,决定投身“搞”国产EDA工具。 “当时我和凌博士(现芯和半导体创始人兼CEO)就在那个小房间里慢慢搞研发,到现在发展到100多人的团队。十年时间很长,却也很短,我们还是对产业充满最初的激情。”芯和半导体联合创始人兼工程副总裁代文亮博士谈起公司十年的发展历程,感慨决定创业做公司“仿佛就是昨天的事”。 如今,芯和已经成为国内EDA行业的领导者,集首创革命性的电磁场仿真器、人工智能与云计算等一系列前沿技术于一身,提供覆盖芯片、封装到系统的全产业链仿真EDA解决方案。经过十年的厚积薄发,从芯“禾”到芯“和”,用代文亮的话形容,公司正从最初的“小禾苗”逐渐成长起来。 站在下一个十年的起点,芯和对EDA软件事业的定位进行了全面的升级——承担串联起从芯片设计到芯片制造的半导体生态链的重任,“和”EDA生态圈的各个伙伴无缝交互、“和”半导体产业链上下游的企业紧密融合,提供覆盖芯片、封装到系统设计的全面解决方案,更好地服务全中国乃至全球的客户。 专攻EDA仿真工具 不做“Me Too”的产品 在仿真EDA的细分领域,芯和在过去十年里尽力做到极致,并且以此形成公司核心竞争力的基础。 作为IC设计必需、也是最重要的集成电路软件设计工具,EDA工具涵盖了IC设计的方方面面——从仿真、综合到版图,从前端到后端,从模拟到数字再到混合设计,以及后面的工艺制造等。这一半导体产业最上游赛道,其门槛之高无须赘述。 经过三十余年长足发展,目前全球EDA产业竞争格局主要由Cadence、Synopsys和西门子旗下的Mentor Graphics垄断,三大EDA企业占全球市场的份额超过60%。而十年前这一领域更鲜有中国本土创业团队涉足,芯和的两位创始人当年深知该领域的竞争之剧和难度之高。“当时甚至不少人觉得我们是不是疯了,选择这么难的赛道。”代文亮说,但是他们在摸索中找准了这其中的“利基市场”——EDA仿真工具。 “某种意义上,最大的核心竞争力是仿真能力。”代文亮对集微网指出,这就好比要建造一栋大楼前,设计图纸的时候,工程师们必须要考虑各种工程问题,比如地基打多深、要多粗的钢筋、防震级别等等,要想让实际开工后出现的问题降到最小,仿真能力就极为关键,它可以大大减少迭代周期,实现效率提升。对于半导体产业更是如此。“而且EDA仿真工具上,市场容得下2到3家公司。”代文亮说,“不像画图工具、版图工具上,IC设计厂商不会轻易切换。在仿真工具方面,只要我在某一点技术上比别人的好,厂商愿意切换工具使用。” 但代文亮指出,他们当时就意识到不能做“Me too”的产品,而要实现差异化——“客户有痛点的,我们去做;大厂不愿做的,我们去做;大厂反应慢的,我们去做。”就像“敲钉子一样”,从最初的一些点工具(Point tool)开始,他们渐渐进入到EDA生态中,不断深入产业,并逐渐和Cadence、Synopsys等大厂形成竞合关系,更在某些业务上形成了长期的合作伙伴关系。 EDA仿真技术始于上世纪70年代的SPICE电路仿真。随着芯片、系统的高频高速的发展,传统的场、路仿真技术远远满足不了先进工艺、先进封装和复杂系统所带来的新的需求,电磁场仿真也被引入到EDA仿真的流程,5G、数据中心、高性能计算使得电磁场仿真和电路仿真一样重要。这给芯和这样的后来者提供了赶超的机会。芯和专注的主要领域正是以电磁场为主的EDA仿真。 目前,在全球电磁场求解器的市场中,除几家老牌美国厂商外,芯和是唯一拥有兼顾两条产品线的国产EDA,并且延伸出了不同的产品线,能提供覆盖芯片、封装及系统的完整仿真EDA解决方案,拥有多项电磁、电路仿真自主创新技术,还囊括了新颖的并行云计算方案。 今年初,芯和发布其在亚马逊Amazon Web Services(AWS)上的EDA云平台,这是国内首家上云的EDA仿真平台。代文亮指出,在先进工艺制程和先进封装技术的推动下,从芯片到封装到系统的设计和验证EDA流程变得越来越复杂,将人工智能、云计算等技术应用在EDA软件一定是未来重要的方向。而芯和将其EDA解决方案移植到AWS可以让用户利用AWS所提供的接近无限的计算、内存、存储等资源,帮助用户实现仿真作业的扩展,大大缩短设计周期和上市时间。 下一个十年 做大产业生态“拼图” 在半导体产业庞大生态圈里,EDA是基础工具,它的成功取决于其与上游的设计、制造公司的密切互动、创造价值。谈到公司创立发展十年来跨越的最艰难的门槛,代文亮认为,构建并融入产业生态是最难的一步。因为EDA最终落地,不仅仅是落实到代码,还要懂工艺、半导体器件,EDA工具需要与产业相结合。 代文亮回忆,为了和产业对接,起步之初的芯和做过各种尝试、经历了不少拒绝。“其中的一个矛盾点就在于,当你去问IC设计公司能不能用我们的EDA工具,对方的第一反应就是,哪家晶圆(Foundry)厂支持这个工具?反之亦然。” 这需要经历无数次与产业客户间的调整打磨,这个过程中,芯和也越来越意识到与Foundry厂的深度对接对于本土EDA产业生态的建立和发展至为关键。代文亮指出,EDA工具是设计和工艺对接的纽带,如果与晶圆制造厂没有深度合作,就很难对工艺真正理解到位,难以针对先进工艺设计改良EDA软件,这也是目前国内EDA厂商欠缺的部分。其中,在EDA工具与工艺结合的重要支撑——工艺设计套件(PDK)方面,国内的发展更是不足。而PDK开发非常复杂,需要较大投入,目前国内EDA厂商大多都比较缺乏PDK基础,这与中国整个半导体生态不够成熟直接相关,需要半导体行业整体的进步。 在多年的发展过程中,芯和在构建和融入产业生态上做了大量努力,渐渐构建起丰富的晶圆厂及合作伙伴生态系统,也这是芯和重要的护城河。目前芯和的EDA工具经过了像台积电、三星、格芯、中芯国际、意法半导体等主流晶圆厂严格认证,包括传统CMOS、FinFET、BiCMOS 、SOI、IPD等不同的工艺,都已经通过了技术认证;与此同时,芯和生态圈中还有众多的EDA合作伙伴,包括Synopsys、Cadence、Mentor、Ansys等大厂,实现与主流设计流程的无缝衔接。 目前芯和一共有11款EDA工具,覆盖从芯片、封装到系统半导体全产业链,技术涵盖先进工艺、先进封装、高速数字、射频毫米波及模拟芯片等五大领域,面向5G移动终端/基站、物联网、数据中心/高性能计算、汽车电子四大终端市场。随着多款工具在半导体先进工艺节点和先进封装上不断得到验证,并在5G、智能手机、物联网、人工智能和数据中心等领域得到广泛应用,芯和EDA有效联结了各大IC设计公司与制造公司。 而在纵深发展EDA仿真软件全链路覆盖的同时,芯和也将业务拓展至硬件层面。其通过自主创新的滤波器和系统级封装(SiP)设计平台为手机和物联网客户提供射频前端滤波器和模组,并被Yole评选为全球集成无源器件(IPD)滤波器领先供应商。 值得一提,芯和是国内唯一自有滤波器IC设计和系统级封装设计团队的EDA公司。其内部的IC设计团队就是芯和EDA工具上市前的第一个客户,经过他们实际项目验证的EDA工具发布后将能确保产品的效率和质量。 今年4月,芯和发布了首款国内自主开发的高频体声波滤波器产品,这款低插损、高抑制WiFi2.4GHz带通滤波器基于高性能体声波谐振器技术,以及全套晶圆级加工与封装工艺技术,封装尺寸仅为1.1mm×0.9mm×0.6mm,完全兼容当前主流1109的WiFi带通滤波器尺寸。产品性能媲美同类国际领先产品,可满足智能手机、无线终端、便携路由器、无线模组等多种系统应用需求。 从EDA仿真软件到滤波器,代文亮表示,这“一软一硬”也将是芯和下一个十年继续重点探索的领域,正好也都是国内半导体产业被卡脖子的部分。 “目前在滤波器领域,94%以上的市场被国外厂商把控。”代文亮指出,而5G时代对于射频前端尤其是滤波器的要求特别高,需要集成各种不同技术的滤波器来实现在不同频段和性能上的最佳应用,IPD滤波器被认为是在sub-6G和毫米波频段上的最佳解决方案,也是芯和在未来几年的爆发点之一。据Yole Development统计,2019年射频滤波器的市场规模是128亿美元,2025年将上升到约280亿美元,年均增长率超20%。 EDA这个在集成电路产业领域内“小而精”的产业链环节,以其不到100亿美元的产值撬动了全球4000多亿美元的半导体市场产值。代文亮表示,对于芯和而言,下一个十年意味着更大的想象空间。但他也指出,当前国内的EDA产业还很弱。“我们只是做了其中的一小部分。”他希望接下去有越来越多的人投身国内EDA领域,这样才能够把产业生态的“拼图”越做越完善,“半导体产业链太长,工艺、技术发展迅速,这是一个需要很多人长期坚持并且扎根下来的产业。”

    时间:2021-04-20 关键词: EDA 电磁场仿真器 人工智能

  • 智引未来,MPS携各类智慧供电方案亮相幕展

    智引未来,MPS携各类智慧供电方案亮相幕展

    为电子行业每年初必不可少的开年盛宴,慕尼黑上海电子展于4月14-16日在上海新国际博览中心如期举办。MPS时隔一年,再次现身幕展,围绕本届“融合创新,智引未来”的主题,MPS围绕智能和创新,推出了针对六大应用领域的智慧方案和产品。 首先,在N2馆2510 号MPS展台的最前方抓人眼球的“智慧两轮出行”展出了MPS专为电动共享单车设计的3种全套供电方案:光伏充电方案、电量计以及600W 离线电池充电器方案。 其中,我们精确、可靠且灵活的新型电量计产品MPF42790适用于多种电池组配置,包括2-16节串联电池。这款产品可以读取最多4个温度传感器的读数,可以反映出更精确的温度;同时,还可以估算单个电池的内部变化,如充电状态和健康状态,实现更高级的功能。MPF42790还配备了一个简单直观且易于使用的图形用户界面(GUI),实时监测电池的运行。 展品:MPF42790 在人工智能方面,随着服务器的更新换代,在相对固定的体积下,功率容量不断增加,电源的功率密度在不断提高。 MPS自主研发设计的MPC22161-120系列模块,将传统的两维平面设计转化为三维立体结构,有效节省了PCB 50%的占板面积,高效的顶部散热设计方案,散热性能与常规的方案相比提升近4倍。 展品:MPC22161-120 另外,新基建的大力开展让5G网络的发展为基站供电带来了全新且令人激动的挑战,它需要小尺寸、高效并且可靠的供电。MPS这次在幕展展示了针对5G通信应用的强大且高效的PSU,由两个核心模块组成:采用图腾柱拓扑实现的功率因数校正(PFC)级,和确保为输出提供稳定高效电源的谐振LLC DC/DC变换器。其中,功率因数校正级采用MPS最新款的高频、紧凑型、可配置PFC控制器--MPF32010,配合新型隔离式霍尔效应电流传感器-MCS1802和功能强大的隔离式栅极驱动器--MP18831,共同构建了一个高效的功率因数校正级,可以在保证效率的同时实现近乎完美的功率因数。LLC变换器由MPS最新的、尺寸紧凑的、功能强大的且方便配置的LLC控制器MPF320X0实现控制,配合集成晶体管的原边反激式控制器MP023以及用于数据通信的MPQ27800,这些器件构成了高性能的LLC滤波级,能够在负载变化较大的情况下,仍保持稳定的输出电压。MPS解决方案采用1U机架式安装,它利用MPS开发的创新、高性能产品,为5G应用提供高功率和高效率的电源。 同时针对日新月异的智能驾驶,MPS也相应推出了可靠的高集成电源方案。比如展厅中展出的专为360全景环视、智能座舱而打造的POC供电方案—MPQ8875A-AEC1,以及专为疲劳监测而打造的红外LED驱动产品—MPQ4425B-AEC1。其中,MPQ8875A以小巧精致的全集成设计提供了前所未有的30W连续功率解决方案,与市面上其他常规的汽车级升降压变换器不同的是,该产品采用MPS独有的工艺技术,在非常紧凑的倒装QFN封装中集成4个低阻FET,其数字可配置性支持规格参数灵活修改。 展品:MPQ8875A 这次展会,MPS除了展出了其传统的电源芯片产品,还亮相了让人惊艳的智能电机和电感新品,依旧秉承MPS高集成的产品特色。此次展示的MPS eMotion 智能电机直线运动平台,完美地展示了MPS一体化电机更智能、更紧凑、更平稳的产品优势。 逛展时还发现MPS推出了线上“芯云”展厅,采用3D虚拟场景,足不出户就可以一览MPS幕展黑科技展品,在这个后疫情时代,非常地贴心和创新。不能来现场参展的朋友们,可以进入MPS官网线上芯云展厅云逛展。

    时间:2021-04-15 关键词: MPS 幕尼黑上海电子展 人工智能

  • 人工智能以不变应万变,看人工智能如何应对老龄化!

    人工智能以不变应万变,看人工智能如何应对老龄化!

    本文中,小编将对人工智能予以介绍,通过这篇文章,你将了解到人工智能的一大特点以及人工智能应对人口老龄化的方法。如果你想对人工智能的详细情况有所认识,或者想要增进对它的了解程度,不妨请看以下内容哦。 一、人工智能的一大特点 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。 人工智能在不同行业中的应用前景不尽相同,将催生的新业务格式和新模式将促进产业结构的转型升级。在移动互联网,大数据,超级计算,传感器网络和脑科学等新理论和新技术的推动下,人工智能已展现出深度学习,跨行业集成,人机协作,群体智能开放,自主控制等优势。新的功能。不同行业的生产方式各有特点,与人工智能这些特点的融合程度也将有所不同。因此,人工智能将对不同行业产生不同的影响。间接证据表明,人工智能专利将仅适用于特定行业。例如,现有专利文档中有15%的专利涉及通信和交通运输,有12%的专利涉及生命和医学科学,有11%的专利涉及个人服务,计算机或人机交互以及其他特定行业专利申请包括银行,娱乐,安全,制造和网络。根据分析,在制造业的劳动密集型产业和资本密集型产业中,人工智能的作用是减少劳动力并实现低成本的定制,而在技术领先的产业和市场变化的产业中,人工智能的作用是人工智能是为了提高研发水平。高效,准确的市场预测和响应。从特定行业的角度来看,人工智能在数字政府,金融,医疗,汽车,零售和高端制造业等领域具有广阔的应用前景,但是目前的发展水平各不相同。程等人的调查数据。(2019)关于中国企业和员工的研究还表明,不同行业中机器人的应用程度存在明显差异。就业规模越大,资本劳动比率越高,机器人的应用程度就越高。 二、人工智能如何缓解人口老龄化冲击 由于扶养老年人与扶养少年人所需社会资源不同,负担也大不相同。各国研究结果都得到相类似的结论:抚养一位老人的平均费用与儿童的费用大体上为2∶1—3∶1。尽管中国儿童人口比例的下降抵消了老年人口比例的上升,在相当长的时期内被扶养人口总比例增加不多,但社会费用的支出仍将稳定地增长。医疗费用及退休金是社会对老年人主要的支出项目。在西欧的一些国家中,由于实行高所得税、高社会福利的政策,社会保障费用已接近国民收入的1/3。美国某些年的养老金开支超过国防费用,成为主要的财政支出项目。中国1978年离退休职工支出为17.3亿元,1990年上升到388.9亿元,2003年已达到4088.6亿元;医疗费用从1990年的76.2亿元增长到2003年的271.3亿元。中国20世纪90年代社会保障费用也曾高达GDP的13%,稳定在5%左右。 人工智能主要使用三种机制来应对老龄化对经济增长的影响。一种是提高生产的智能化和自动化程度,减少生产活动对劳动力的依赖,从而减轻劳动力供应减少在老龄化背景下对经济增长的不利影响。二是提高资本收益率,从而提高储蓄率和投资率,以减缓老龄化背景下储蓄率和投资率下降对经济增长的影响。第三是促进全要素生产率的提高,以进一步消除老龄化对经济增长的影响。数值模拟结果表明,如果不考虑人工智能的影响,老龄化将使中国2035年的经济增长率降低到4.70%(如果考虑到国内外其他不利因素的影响,经济的下降增长率将会更高)。从长远来看,人工智能对全社会技术进步和全要素生产率提高的影响将越来越明显,从而进一步提高人工智能拉动经济增长的能力。此外,人工智能在应对老龄化影响方面的效果要明显优于延迟退休政策的效果。 以上所有内容便是小编此次为大家带来的所有介绍,如果你想了解更多有关它的内容,不妨在我们网站或者百度、google进行探索哦。

    时间:2021-04-10 关键词: AI 老龄化 人工智能

  • 人工智能重不重要?看看这些人工智能应用你就知道了!

    人工智能重不重要?看看这些人工智能应用你就知道了!

    在这篇文章中,小编将为大家带来人工智能应用的相关报道。如果你对本文即将要讲解的内容存在一定兴趣,不妨继续往下阅读哦。 人工智能是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识,心理学和哲学。人工智能是包括十分广泛的科学,它由不同的领域组成,如机器学习,计算机视觉等等,总的说来,人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。 2017年12月,人工智能入选“2017年度中国媒体十大流行语”。下面,我们来看看人工智能的应用。 机器翻译,智能控制,专家系统,机器人学,语言和图像理解,遗传编程机器人工厂,自动程序设计,航天应用,庞大的信息处理,储存与管理,执行化合生命体无法执行的或复杂或规模庞大的任务等等。 值得一提的是,机器翻译是人工智能的重要分支和最先应用领域。不过就已有的机译成就来看,机译系统的译文质量离终极目标仍相差甚远;而机译质量是机译系统成败的关键。中国数学家、语言学家周海中教授曾在论文《机器翻译五十年》中指出:要提高机译的质量,首先要解决的是语言本身问题而不是程序设计问题;单靠若干程序来做机译系统,肯定是无法提高机译质量的;另外在人类尚未明了大脑是如何进行语言的模糊识别和逻辑判断的情况下,机译要想达到“信、达、雅”的程度是不可能的。智能家居之后,人工智能成为家电业的新风口,而长虹正成为将这一浪潮掀起的首个家电巨头。 在教育方面,不用说,教育有着特殊的作用。人工智能使人们可以接受虚拟教育,也可以获得前所未有的工具。未来几天,学习分析技术支持的智能教学系统将被广泛采用。人工智能可以被部署到这样一个程度,教育将看到一个完全不同的面貌。 在劳动力方面,其中一个一直困扰着人们的问题是:人工智能能否取代人类及其工作?好吧,在未来的几年里,有人预测,人工智能不会吞噬工作岗位,而是有可能创造工作岗位。有了人工智能,就可以承担任务而不是工作本身。 在游戏娱乐方面,随着更便宜的传感器和设备的出现,有望在娱乐系统中进一步应用硬件创新。虚拟现实可以进入我们起居室的日子已经不远了。未来几年还可以看到个性化的同伴机器人。 人工智能将在未来统治世界,话虽如此,深入研究人工智能并发掘其全部潜力是当下的需要。 而在医疗方面,人工智能首先在医学图像中爆炸和着陆,主要是因为图像数据的访问和处理相对容易。对比医疗记录等数据积累超过三五年以上,影像资料只需一次拍摄,几秒钟即可获取。一部影像学影片可以反映患者的大部分病情,成为医生确定治疗方案的直接依据。 医学图像庞大且相对规范的数据库,智能图像识别算法的不断进步,为人工智能医学在该领域的应用提供了坚实的基础。 从技术角度看,医学图像诊断主要依靠图像识别和深度学习。根据临床诊断路径,首先将图像识别技术应用于感知环节,对非结构化图像数据进行分析处理,提取有用信息。 其次,利用深度学习技术,将大量的临床影像数据和诊断经验输入到人工智能模型中,使神经元网络进行深度学习训练。最后,基于连续验证和研磨的算法模型,进行图像诊断的智能推理。输出个性化诊疗判断结果。 最后,小编诚心感谢大家的阅读。你们的每一次阅读,对小编来说都是莫大的鼓励和鼓舞。最后的最后,祝大家有个精彩的一天。

    时间:2021-04-10 关键词: 深度学习 机器翻译 人工智能

  • 2021腾讯STAC科创联合大会在蓉举行:融入成渝经济圈 打造人工智能人才高地

    2021腾讯STAC科创联合大会在蓉举行:融入成渝经济圈 打造人工智能人才高地

    本次大会邀请了政府、企业、高校、行业专业人士到场,共话行业未来发展,聚焦探讨多智能体、图像识别等人工智能关键核心技术、计算机图形学(CG)、脑科学等相关交叉学科以及交通、医疗等延伸应用场景,开展新技术、新模式、新业态融合创新交流。 工业和信息化部原部长、中国工业经济联合会会长李毅中出席并发表主旨演讲,成都市人民政府副市长、党组成员曹俊杰,腾讯公司副总裁兼西南区总经理蔡光忠等嘉宾出席大会并发表讲话。 推进产学研用一体化 腾讯人工智能科创联合体落地成都 当前,以人工智能为引领的新一轮科技革命和产业变革,正深刻推动着全球产业格局和创新版图的重构。《2020腾讯人工智能白皮书》指出,随着技术、算法、场景和人才的不断充实,人工智能正在渗透到各个领域,其商业应用也在不断催生新业态、新场景、新融合、新交互和新目标的出现。 此次大会上,工业和信息化部原部长、中国工业经济联合会会长李毅中带来主旨演讲,他表示:人工智能作为新一代信息技术的核心,对推动“两化”深度融合具有重要的带动和支撑作用,也是新一轮产业变革的核心驱动力。 科技创新的实现,关键还是要靠人才。目前我国人工智能人才需求大,且产业实践、人才培养充满挑战。而作为成渝经济区极核之一的成都,在人工智能领域扮演越来越重要的角色。“成都正在积极贯彻落实国家战略,加快建设国家新一代人工智能创新发展试验区、国家人工智能创新应用先导区。”成都市人民政府副市长曹俊杰在大会上表示。 此次大会上,腾讯携手高校、科研院所、产业园区、投资机构组建人工智能科创联合体,并成立了人工智能科教联盟,共同在关键核心技术联合攻关、人才培养聚集和促进产业链上下游交流合作等方面共同努力。 据悉,腾讯人工智能科创联合体是建立在以成渝地区为主,旨在构建以平台、技术、团队为核心的合作主体,推动成渝科技创新中心、国家新一代人工智能创新发展试验区、国家人工智能创新应用先导区等重要目标加快建设,通过联合体构建产学研用一体化合作机制,促进实体经济循环。初期由腾讯公司(腾讯新文创总部)、电子科技大学、四川大学、AI电竞游戏联盟、VIVO维沃移动通信有限公司、极米科技有限公司、成都新经济发展研究院有限公司联合成立,涵盖企业、科研单位、高校与协会。 腾讯公司副总裁兼西南区总经理蔡光忠提到:“在双轮驱动和双循环发展的新格局之下,科技自立自强作为我国发展的重要战略支撑,已经成为了全社会的共识,且使命在肩、责任重大。突破人工智能人才不足的困局,也是整个科技共同体关注的核心问题。” AI生态重要性凸显 腾讯打造开放平台助力科研建设 AI研究需要四大要素:算法、数据、算力和场景。以前沿领域的强化学习为例子,每个要素都有很多挑战,比如研究场景稀缺、没有数据、算法测试困难、算力昂贵等。 2020年,腾讯人工智能实验室(AI Lab)携手《王者荣耀》联合建设“开悟”训练平台。平台为科研人员提供技术与资源支持,保证大家在人工智能研究训练时所需要的大规模运算。在国际科技竞争的大背景下,建设属于我国自主的AI游戏开放平台意义重大。 腾讯AI Lab总经理杨巍认为:“开悟承载了技术、资源、人才等生态原料。平台始于又不止于竞赛,将逐步发展为竞赛-课程-科教联盟-科创联合体的生态聚集地,2021年还将向全球高校开放,拓展国际影响力。未来开悟会进一步延展平台承载力,推进AI与教育融合,提高学生的创造力与研究才能,为生态贡献跨学科技术、跨界人才和多方资源。” 值得注意的是,开放数据与能力,建立开放平台吸引更多力量提升算法能力,是国际公司通用做法。我国在这一领域处于后发,并存在巨大潜力,许多企业与高校、科研机构只能利用国外开放平台和端口进行算法训练。而开悟AI和王者荣耀的结合帮助高校、科研机构方便灵活地在平台上使用《王者荣耀》的游戏引擎和验证平台进行人工智能研究和交流。 王者荣耀执行制作人、腾讯天美L1总经理黄蓝枭表示:“我们开放了《王者荣耀》的核心机制,提供标准接口、核心算法、脱敏的测试数据、评估工具和计算集群等,给高校老师和同学们进行多智能体的机器学习算法研究、学习成果交流、对算法成果反复迭代升级。同时,也期待这些研究成果,能够落地到其他产业环境中,为工业机器人、救灾机器人等提供助力。” 据了解,开悟平台已于2020年8月对18所高校及研究所开放并举办了第一届王者荣耀人工智能大赛,大赛邀请了北大、清华、电子科大等顶级高校队伍同台竞技,在王者的环境中PK算法,进行前沿技术的对抗和博弈。未来,开悟平台也将为更多科研人员提供技术与资源支持,深化课题研究。同时,腾讯STAC科创联合大会年度活动也将持续汇聚行业交流,建设前沿技术发展趋势的风向标。 发力人工智能 助力成渝地区双城经济圈建设 当前,成渝地区双城经济圈建设作为重大国家战略,将充分发挥“极核”引领、“双城”带动作用,形成巨大的生产要素集聚效应。成都在国家战略的指引下,正加快打造高质量发展的增长极和动力源。 2021年2月,工信部印发通知,支持成都创建人工智能创新应用先导区,加速培育新兴产业,推动传统产业的转型升级。此次腾讯STAC科创联合大会的落地以及腾讯人工智能科创联合体的成立,将进一步助力成都人工智能创新发展,助推成渝地区双城经济圈建设。 2020年8月,腾讯与成都正式签署战略协议,全面开启“新文创和智慧城市”合作,腾讯全国首个功能型总部——新文创总部落户成都。这一合作,体现了“科技+文化”两翼齐飞的特色,也为建设文化创新、科技创新的策源地提供了深厚的土壤,为成都科技创新发展打开了广阔空间。 作为本次大会的支持方,成都高新区现场发布了《人工智能应用场景城市机会清单》,该机会清单通过“供给清单”和“需求清单”两个维度,从基础层、技术层、应用层释放了共209条机会,包含城市治理、智慧农业、智慧绿道、智慧生活等多个赛道的产品、解决方案。成都高新区相关负责人表示,对科技驱动型企业而言,最重要的是能落地应用,将技术真正转化为生产力,城市机会清单的发布将进一步助力科技重要战略的实现。 蔡光忠表示,“科技的创新关系每个人的成长、企业的发展也关乎国家乃至人类的未来,站在全球科技和产业革命的关口,腾讯将始终践行‘用户为本、科技向善’的公司使命和愿景,与时代同呼吸,与国家共命运。在成渝区域协同发展的新格局下,我们将进一步助力建设科创新引擎,释放更多的科创动能。” 人工智能已“泛”起巨浪,而人人都将席卷在这巨浪之中。科创发展需要科技共同体一起描绘前景蓝图,通过打造技术融合、资源开放、场景富集的人工智能引力场,持续建设未来科创盛况,推动成渝科创共兴共荣、蓬勃发展。

    时间:2021-04-08 关键词: 腾讯STAC 人工智能

  • 易点天下利用亚马逊云科技进行云上广告营销技术创新

    2021年4月7日,亚马逊云科技表示,知名移动效果营销服务商易点天下(Yeahmobi)基于亚马逊云科技全球覆盖的基础设施和领先的技术,借助亚马逊云科技丰富的云服务,在云计算、大数据、人工智能与机器学习、区块链等方面进行了一系列应用创新,不断提高客户的广告转化效果,使综合运营成本节省65%以上,机器学习训练的运营成本节省超过75%,区块链项目上线时间加快了50%以上。 易点天下是一家全球领先的第三方独立广告服务商,总部设在西安,在北京、上海、深圳、香港、美国、印度、德国、日本、韩国等国家和地区设有子公司。易点天下致力于为客户提供全球营销推广服务,通过效果营销、品牌塑造、垂直行业解决方案等一体化服务,帮助企业在全球范围内高效地获取用户、提升品牌知名度、实现商业化变现。其媒体资源覆盖全球超过235个国家及地区,覆盖超过70亿以上的独立设备,跟包括Google、Facebook、巨量引擎、Twitter、Pinterest等在内的全球头部与中长尾优质媒体与平台建立了长期稳定的合作关系,构建起以优质头部流量、垂直领域细分流量、长尾流量的移动端全流量覆盖媒体矩阵。客户涵盖跨境电商、工具应用、内容分发和游戏等行业。服务客户包括阿里巴巴、腾讯、网易、字节跳动、百度、快手、爱奇艺、SHEIN、Lazada等知名企业。 效果营销的特点是,只有让客户的广告实现了可见的业务转化,易点天下才能获得收入。因此,易点天下必须不断提高广告投放的精准度,提高转化效果,要不断降低运营成本。 云计算为易点天下开展业务起到了强大的支撑。易点天下联合创始人兼CTO王一舟介绍说,易点天下在2011年营销业务开展之初,就是一家云原生企业,其业务构建在亚马逊云平台之上。随着业务的发展,易点天下与亚马逊云科技的关系日益紧密。2015年,易点天下成为与亚马逊云科技中国区域的示范客户。2019年,易点天下成为亚马逊云科技的进阶级合作伙伴。在亚马逊云科技的帮助下,易点天下根据业务发展,不断采用新的云服务,提升效率,降低成本,降低运维复杂度,提高应用开发速度,快速响应市场需求。 在服务的过程中,易点天下要解决多个方面的技术问题。 第一,需要实现全球服务的一致性,由于覆盖地区广,设备数量多,有很多地区网络条件差,需要保证面对全球受众拥有体验一致的边缘服务能力。通过使用Amazon EKS、Amazon Fargate、Amazon Lambda等一系列服务,易点天下实现了计算架构的容器化和无服务化,计算资源弹性伸缩,当广告请求触发时,有足够的计算资源实现广告的流畅推送,确保终端用户的体验,又不必为峰值流量预留闲置资源,让易点天下的综合运行成本降低了65%以上。 第二,强化智能营销能力,需要从海量数据中进行用户相关特征、上下文特征、广告相关特征的抽取,不断提升业务预测模型精准度,加快核心算法模型的迭代和优化,同时在算法训练工作流中,在运算空闲期减少资源浪费。通过Amazon EMR,易点天下实现了跨区域的数据收集、整理、统一治理,高效地管理PB级数据。Amazon SageMaker为易点天下提供了从数据采集、流转、抽样等工作的完整工具集,让算法工程师减少在多达十几个工具上的精力消耗,在一个平台完成所有的操作,提高训练和调参的效率,整合模型训练交付成本下降60%以上。SageMaker还提供了全托管的竞价实例功能,可以无需关注训练任务的连续性,充分利用竞价实例节省成本。利用SageMaker还可以进行超级参数调优,一次模型训练产出很多组不一样的结果。总体来说,让易点天下在机器学习方面的运营成本节省超过了75%。 易点天下还利用区块链的不可篡改性,管理各类数据资产,降低内部管理风险和外部审计成本。使用Amazon Managed Blockchain,让易点天下无需从零搭建区块链生产环境,Amazon Quantum Ledger Database (QLDB)分类账数据库提供了完整的信息验证和追溯审计机制。二者让易点天下的区块链项目上线时间加快50%以上。 未来,易点天下将继续充分利用亚马逊云科技的新技术、新服务,持续投资弹性计算平台,提升单位成本下数据处理和模型训练的能力。建立覆盖更广更安全的数据分析平台,使用Federal Learning(联邦学习)、区块链跨客户跨行业进行数据分析和建模,在保护客户数据安全的前提下,提升客户效果营销精准度。利用自然语言处理、图像及视频AI技术,真正做到千人千面的广告投放。让客户的投放数据在易点天下不断积累,广告投放智能在易点天下不断进化,打造易点天下的核心竞争力。

    时间:2021-04-07 关键词: 亚马逊云科技 易点天下 人工智能

  • 应用材料公司AIx平台依托大数据和人工智能的力量,加速半导体技术从实验室到晶圆厂的突破

    应用材料公司AIx平台依托大数据和人工智能的力量,加速半导体技术从实验室到晶圆厂的突破

    2021年4月5日,加利福尼亚州圣克拉拉——应用材料公司今天宣布推出旨在加速新芯片技术发现、开发和商业部署的创新平台AIx TM。 AIx代表Actionable Insight Accelerator(可执行洞察力加速器),它使工程师能够实时观察半导体工艺,对晶圆和单个芯片进行数百万次测量,并优化成千上万个工艺变量,从而提高半导体的性能、功率、面积成本和上市时间(PPACt)。AIx平台适用于应用材料公司所有工艺设备、电子束计量系统和检测系统,并可从实验室扩展到晶圆厂。通过赋予工程师在研发期间识别创新配方的能力,AIx可提高转移以及进入大规模量产(HVM)的速度。AIx今天已经投入使用,提高了逻辑和存储芯片的PPACt(即:性能、功率、面积成本和上市时间)。 AIx可使工程师能够实时观察半导体工艺,对晶圆和单个芯片进行数百万次测量,并优化成千上万个工艺变量,从而加速新芯片技术的发现、开发和商业部署 应用材料公司半导体产品事业部高级副总裁兼总经理珀拉布∙拉贾表示:“加快产品上市时间对我们生态系统中所有公司来说都是最大的价值驱动力。AIx平台以新的方式将应用材料公司的所有功能组合到一起,以期将开发时间缩短一半,并将工艺窗口扩大三分之一。过去三年里,我们一直在开发AIx平台,希望为工程师提供一种全新的工具包,解决行业日益复杂的挑战。” 应用材料公司半导体产品事业部集团副总裁Raman Achutharaman表示:“AIx利用大数据和人工智能的力量在半导体技术生命周期的每个阶段,从研发到增长和大规模量产,都能为客户带来更好的体验。尽管工程师可选择的工艺变量成千上万,但只有少数难以捉摸的相关性才是优化配方以获得世界级结果的关键。AIx能够识别并放大这些可操作的数据,为工程师提供加速PPACt所需的可执行洞察力。” VLSIresearch首席执行官兼董事长丹·哈奇森说:“应用材料公司面向工艺工程生态系统的AIx平台,通过大数据分析,再次为半导体行业增添真正的价值。AIx超越了数十年来基于线性数据流的传统统计学工艺控制方法,进入了一个全新的多维世界。在这个世界里,来自3D图像、原位计量和传感器的数据可以堆叠,随后被提取为可操作的信息。应用材料公司的AIx是一个新的工具包,致力于加速研发,从而缩短取得成果的时间并最终缩短变现时间。我期待AIx算法将被移植到生产中,通过实时腔室控制来控制工艺。” AIx平台包括: · 反应腔AITM:应用材料公司工艺反应腔的新传感器和机器学习算法,为工程师提供包括化学、能量、压力、温度和持续时间在内的实时变量分析。 · 板载计量:独特的真空计量技术,能够在新薄膜沉积时以埃级精度进行测量。 · 在线计量:基于应用材料公司电子束计量的独特算法,与传统方法相比,测量速度提高100倍,分辨率提升50%。工程师每小时可以获得超过一百万个3D晶圆测量值,以纳米尺度评估配方中的微小变化对片上器件和结构的影响。 · AppliedPROTM:工艺配方优化器(Process Recipe Optimizer)可生成数字工艺图,有助于加速材料和配方开发、减少可变性、扩大工艺窗口。AppliedPRO可用于优化单个腔室和工具,同时还可以加速整个系统的匹配。 · 数字化分身:AIx平台包括精选的应用材料公司腔室和系统的数字化分身模型,支持虚拟实验,加速配方开发,改善匹配和增长转移,并优化大规模量产的产量和良率。 · 计算:AIx平台包括使用机器学习和人工智能算法存储和分析海量数据所需的计算资源。 应用材料公司在4月6日召开的2021年投资者大会上以及计划于2021年5月5日和6月16日举行的Master Class活动上分享AIx案例研究。

    时间:2021-04-06 关键词: 大数据 应用材料公司 人工智能

  • AI算力新地基能否解困算不起、算不动?

    本文来源:懂懂笔记 说到科技,我们首先会联想到的就是5G、大数据、万物互联和人工智能等热词。不可否认的是,人工智能是这些新兴信息技术中的“当红炸子鸡”,更是未来产业、社会甚至国力发展的“底气”所在。 值得欣喜的是,国内人工智能领域近年来取得了不少新的突破和成绩,在近期有关部门发布的《2020人工智能中国专利技术分析报告》中可以看到,截至2020年10月,中国人工智能专利申请量累计已达69.4万余件,同比增长56.3 %;IDC相关调研报告中,对2020年全球各国AI计算的发展水平统计后发现,中国人工智能服务器占全球市场三分之一左右,成为全球人工智能产业发展的中坚力量;而全球知名AI计算基准评测组织MLPerf在去年底也公布了一份“2020年推理测试榜单”,中国科技企业的产品创造了18项全球性能纪录…… 但是,在人们讨论国内人工智能领域的热点话题时,也有不少挑战与隐忧困扰着众多参与者,尤其是AI应用及落地的进程中,痛点与焦虑也随之出现,如果归纳总结一下,可以聚焦为这三个问题: 1.如何解决AI算力匮乏与成本高企的矛盾? 2.能否打造类似水电供给的AI算力基础设施? 3.如何协同行业在AI应用落地过程中迎接“产业AI化”大潮? 破局,无疑要从满足行业需求以及夯实发展基础做起。 爆发的需求和“暴涨”的压力 无产业不AI,无企业不AI——人工智能已经迅速渗透到各行各业的发展建设中,这已经是不争的事实。 但是,太多问题也随之而来:简单点儿说就是各行各业对AI需求的“胃口”越来越大,但是AI能力的供给匮乏,而成本却在“暴涨”。这正是AI在供需层面的痛点与矛盾。 关于需求的变化有两点值得注意:一方面是量的增长,另一方面是质的变化。 IDC在2020年6月至8月期间,针对中国企业人工智能应用需求开展了一项专题调查和研究。调研发现,企业对于人工智能带来的价值有了更深的认知,企业在人工智能应用上正在采取更多积极的举措。 在作者看来,这其中最大的变化就体现在人工智能新的应用场景尝试上,即除了已经得到多个行业验证的通用场景之外,不同行业的用户还在根据自身的行业特性在进行积极尝试,开辟一些新的碎片化应用场景。 数据显示有超过九成的企业正在使用或计划在未来三年内使用人工智能,其中,大部分企业采用了公有云、私有云加本地部署的混合架构来部署人工智能应用,而74.5%的企业期望在未来可以采用具备公用设施意义的人工智能新型基础设施。请注意:这一期望也是不同地区和不同规模的企业的共识。 除了量的变化,AI算力方面的质变则更令人关注。 提到质变,首先要谈一下AI模型。这其中,最具代表性的就是打败李世石的Alpha GO,以及OpenAI实验室去年推出的GPT3。前者因为在围棋方面所展现的天赋尽人皆知,而后者则是在去年发布后就引发了AI科学领域的震荡。 其实众多AI模型的不断出现,终极目标就是具备更高“等级”的智能。而每一次模型智能程度的提升,都使得模型也愈加复杂,模型尺寸也呈现爆发式增长。这里打一个不是很恰当的比喻,如果我们将施瓦辛格主演的《终结者》里面的天网,视为AI所能达到的的最高境界,那么2012开始出现的AlexNet网络模型,以及此后几年的ResNet、Transformer、BERT直至GPT-3等优秀AI模型,就是在向天网这样的终极目标迈进。 尤其是OpenAI实验室推出的自然语言模型GPT-3,拥有1750亿语言模型参数量,通过训练已经可以写诗、写乐谱,回答历史、天文问题,甚至涉足医疗领域,被一些科学家称为“幼年期的天网”。与此同时,它也是名副其实的“算力吞噬者”。 显然,越先进的大规模AI模型越需要耗费大量的计算资源,如果没有强劲的算力支撑,训练一个先进的模型所耗费的时间和金钱成本——绝对是很多人无法想象的。 举一个简单的例子:媒体机构量子位做了估算,训练一个GPT-3模型需要一块GPU运行355年;其训练成本约在600-1200 万美元。反观2016年出现的Resnet-152模型,各方面成本不足GPT-3的万分之三。 你觉得这已经很恐怖了?实际上就在2021年1月,谷歌大脑的科学家刚宣布他们设计的简化稀疏架构(Switch Transformer)能将语言模型的参数量扩展到1.6 万亿,这已经近十倍于GPT-3了。 无需咂舌,这就是AI进化过程中不可逆的质变。 中国工程院院士郑纬民郑纬民曾经指出,下一代AI的发展亟需建设大规模的AI算力基础设施。GPT-3取得了很好的进步,但是离人类智能还有差距,下一代人工智能模型可能超过万亿参数。如今,这个万亿参数的AI“巨兽”已经到来。 而在懂懂看来,承载AI的新型算力基础设施的供给水平,将成为直接影响AI创新迭代及产业AI应用落地的关键因素。对算力的渴求,对AI模型的智能化追求,已经愈发迫切地将AI算力基础设施建设话题提到了重要环节。 AI算力的“地基”建设迫在眉睫 可以看到,随着模型尺寸的不断膨胀,如何做到高效的AI训练和计算,关乎到AI生产研发效率,实现高效的AI模型训练的一个重要的支撑是更快更强的算力,即可以在更短时间内完成大规模AI计算,这对于AI产品的迭代效率和成功至关重要。 那么,如何打造一个强劲的算力支撑能力,如何有效降低训练先进AI模型所需要时间和金钱? 首先强调一点,算力并不完全取决于芯片的能力。随着越来越多的高级AI模型训练开始“索求”巨量的算力支撑,计算力受芯片工艺的物理限制也愈发明显,芯片制造工艺技术层面的提升速度已经落后于算法模型,某些模型已经逼近AI算力的极限。算力如果受限,算法模型的不断创新也会出现制约。因此,算力已经成为未来人工智能应用取得突破的决定性因素。 在此前IDC联合浪潮集团发布的《2020-2021 中国人工智能计算力发展评估报告》中也指出,2020年,中国的GPU服务器依然占据95%左右的市场份额,是数据中心人工智能加速方案的首选。未来几年,随着推理工作负载在各个行业应用中不断增加,FPGA和ASIC等其他类型的加速芯片将在各个领域采用。 IDC预计到2024年,其他类型加速芯片的市场份额将快速发展,人工智能芯片市场呈现多元化发展趋势。报告强调——服务器是人工智能基础设施的核心,到2020年,中国人工智能基础设施市场规模将达到39.3亿美元,其中服务器支出占比高达87%。 可以看到,人工智能服务器技术的不断创新,包含了多种互联方式和拓扑架构,以满足不同的应用场景需求,与此同时,人工智能基础设施正在向开放架构发展,以满足高效、灵活、可扩展的下一代人工智能数据中心的需求。 这里要强调一个关键词:智算中心。实际上,在去年4月浪潮提出“智算中心”理念时,就指出要让智慧计算可以像水电一样,成为社会基本公共服务。 智算中心的意义,就是通过算力的生产、聚合、调度和释放,高效支撑数据开放共享、智能生态建设、产业创新聚集,同时有力促进AI产业化、产业AI化及政府治理智能化。智算中心的内涵有着四个要点:一是算力公共基础设施;二是计算架构技术领先、生态成熟;三是算力、数据和算法的融合平台;四是以产业创新升级为目标。 这四点,正是对前面提及的行业应用需求爆发、算力匮乏及成本高企,以及AI技术发展对算力支撑等痛点的最佳解决路径。结合国家层面对人工智能为主的战略性新兴产业的发展规划,AI算力在基础设施层面的意义就更为突出和紧迫。 一方面,从去年两会政府工作报告中提出“新基建”,就明确了以人工智能、特高压等新技术发力技术端的基础设施建设。而在新近发布的十四五规划建议中,提及重点关注的几大前沿科技,人工智能与量子信息、集成电路位列前三位。因此,人工智能作为新一轮产业智能化变革的核心驱动力量,将会推动数万亿美元的数字经济产业升级转型。另一方面,作为AI算力的重要载体,实现算力、算法和数据全面融合的智能计算中心,将会为新基建发展所需的未来算力基础设施提供重要参考定义。 也许有人会问,政府部门、不同行业、大型中小型企业能够从智算中心这样的基础设施上获得什么? 首先,是推动国内AI产业化浪潮的创新发展进程。智算中心作为人工智能软硬件技术的一体化融合载体,为人工智能产业的发展提供了大规模数据处理和高性能智能计算支撑,可以让人工智能技术更加高效地实现训练、推理等学习过程。一方面,智能计算中心的构建将推动“平台+应用+人才”三位一体的新型AI产业发展模式,另一方面,将会完善“算力+生态”体系,加速推进从基础层到应用层的人工智能产业链的形成。 其次,是驱动产业AI化转型升级。如同公有云对于企业信息化转型所带来的的裨益,智算中心作为新型基础设施可以帮助企业低成本、高效率地进行数字化转型。不同类型的企业,可以根据业务需要依托智算中心提供的AI模型库、AI算力调度平台等自动生成适用于实际需要的业务系统模型。同时,智算中心通过提供算力基础设施及通用软件服务,联动产业链上下游,可以为企业提供完整的AI服务链,帮助实现AI供给和需求的高效对接。 最后,是助力政府治理能力现代化。在当下智慧城市建设的进程中,智算中心能够融合人工智能、互联网、大数据、云计算等信息技术,迅速将线上线下各类型治理主体聚合在一起,提供数据分析、云计算平台、算法和计算能力等工具和资源,大大提升社会治理过程中的数据计算、分析、挖掘能力,从积极推动政府治理能力的现代化。 当然,这其中最关键的是要算经济账,提升效率、降低成本才是基础设施对于所有行业最大的助力。可以看到,智算中心作为算力生产供应平台,在构建过程中以融合开放的架构计算系统为平台,以数据为资源,免费或低成本提供很多开源的人工智能算法及其代码,以强大算力驱动AI模型来对数据进行深度加工,源源不断产生各种智慧计算服务,通过服务形式向组织及个人进行供应。 同时,智算中心可以通过平台开放接口的方式,将行业领军企业的算法能力、数据资源及运营服务等输出给IT基础薄弱的企业,使全社会AI应用成本得到大幅降低。 从这几方面来看,智算中心作为新时代基础设施建设的必要性毋庸赘言,而迫切性也不言而喻。 产业AI化——独乐乐不如众乐乐 从这几方面来看,AI算力作为基础设施建设的价值和意义已经非常明晰,那么,在打造这一“地基”的产业变革中,浪潮又希望扮演一个什么样的角色? 在IDC发布的2020HI《全球人工智能市场半年度追踪报告》中可以看到,目前全球半年度人工智能服务器市场规模达55.9亿美元,浪潮以16.4%的市场占有率,位居全球人工智能服务器市场第一。从这一点来看,浪潮在AI产业化浪潮中可以继续一路领先。 但是去年底在一些公开场合听到浪潮AI&HPC总经理刘军分享自己的观点时,有一句话引人关注。“从市场的量级来看,AI产业化是千亿级别的市场,产业AI化是万亿级别的市场。我们在AI产业化可能走的更快一点,在产业AI化上可能需要抓紧赶上去。” AI产业化与产业AI化在文字上的细微差别,背后却是科技行业与所有行业在AI应用场景上的巨大差异。帮助所有行业落地和应用人工智能,才是一个无限宽阔的市场,和一个长久可持续的未来。 这其中,浪潮要做的不是自己一家独大,而且协同更多的伙伴,把这个万亿市场共同做大、实现共赢。这,也是浪潮智算中心在新基建打造过程中所扮演的角色。 一方面,智算中心的建设要满足三个基本条件:开放标准、集约高效和普适普惠;另一方面,这一体系将持续投入面向AI时代的三个要素——计算力输出、服务能力优化及人才培养。在懂懂看来,只有在打造以AI算力为核心的基础设施过程中,帮助和促进生态伙伴的优势互补、强强联合,共同成就行业最终用户,才是智算中心的商业化核心价值。而这种AI时代的“多赢”理念,确实远远超出了传统意义上的“AI产业化”范畴。 从浪潮过去一段时间以来的各种举措已经可以看到,其一直在不断推动智算中心IT基础设施建设朝着更深、更宽范畴发展。自1993年浪潮成功研制出中国首台小型机服务器以来,经过近30年的积累,浪潮已经攻克了高速互联芯片、关键应用主机、核心数据库、云数据中心操作系统等一系列核心技术。现在,围绕智算中心,浪潮持续深耕,开发出硬件重构的智算中心算力系统,以及软件定义的智算中心操作系统等等。与此同时,在很多业务面浪潮与合作伙伴也在共同尝试打造智算中心的底层,向政府和行业用户提供端到端的智慧服务,输送源源不断的计算力。 可以确定一点,产业AI化是要深入到每一个行业应用实践中,具体的产品、具体的挑战都要选择适合的算法、模型和处理方式,浪潮携手众多理解行业应用场景的开发商、软件商、集成商,与这些合作伙伴共同完成行业应用的落地,目标不仅是利己利他,而是对人工智能与综合国力发展之间逻辑关系的透彻理解。 【结束语】 正如埃森哲研究所发现的,通过有效应用智能计算,中国经济增长率有望上升至7.9%,增长额高达7.1万亿美元。未来,人工智能将每年为中国经济增长贡献0.8至1.4个百分点。 从这一点来看,智能计算产业作为数字经济的重要载体,将作为一支新兴力量,带动全球数字经济走向繁荣。人工智能计算需求未来将占据80%以上的计算需求,智能计算正成为未来经济的主要增长点之一。那么,顺势而为的浪潮,也将在这一增长势头中起到令人瞩目的推动作用。

    时间:2021-04-02 关键词: AI 人工智能

  • 6个最佳的人工智能开发框架和AI库

    随着公司积累大量数据并寻找合适的技术进行分析和利用,人工智能(AI)逐渐成为主流。这就是为什么Gartner预测到2021年80%的新兴技术将拥有AI基础。 随着预测分析,机器学习和其他数据科学的趋势已经开始,营销人员需要开始关注如何利用这些技术来形成以数据为驱动力的营销策略。考虑到这一点,我们询问了AI行业专家,为什么营销领导者需要开始考虑AI,以及一些最好的开源AI框架来保持关注。 这里有6个最受欢迎的创新开源AI框架。 1. TensorFlow TensorFlow是一个由工具,库和资源组成的生态系统,许多受欢迎的公司(如Airbnb,eBay,DropBox等)都在使用它。TensorFlow旨在简化和简化机器学习算法的复杂性以简化开发。使用视觉模型和流程图,开发人员和数据科学家可以快速创建神经网络和其他机器学习模型来利用数据。例如,Airbnb正在使用TensorFlow对公寓列表中的照片进行分类,以确保它们准确代表特定的空间。 2. 亚马逊 SageMaker Neo 亚马逊最近将其机器学习平台的功能Amazon SageMaker Neo开源,作为服务产品。新发布的Neo-AI项目代码将使AI开发人员能够训练机器学习模型并在云中的任何地方运行它们。Neo-AI项目针对需要快速和低延迟预测的边缘计算设备和物联网(IoT)传感器进行了优化。 例如,专门从事数字娱乐产品的公司先锋公司(Pioneer Corp)使用Amazon SageMaker Neo进行实时图像检测和汽车内摄像头的分类。同样,野村综合研究所(NRI)正在使用Amazon SageMaker Neo来检测便利商店,机场和其他企业中安装的相机中的物体,以优化运营。 3. Scikit-learn Scikit-learn是一个基于Python的开源机器学习库,专注于数据挖掘和分析。它建立在NumPy,SciPy和matplotlib之上,并具有精选的一组高质量的机器学习模型,可用于最受欢迎的用例。Morgan和Evernote等知名品牌使用Scikit-learn进行预测分析,个性化推荐和其他数据驱动的任务。 4. Microsoft认知工具包 Microsoft认知工具包(CNTK)是一个开源的深度学习框架。 CNTK可以以各种语言的库形式包含在项目中,也可以通过自己的称为BrainScript的模型描述语言用作独立的机器学习工具。 Bing,Cortana和其他品牌的商业级工具包使用的海量数据集需要可扩展且高度优化的机器学习平台。 5. Theano Theano是与NumPy紧密集成的深度学习Python库。这意味着其主要用例是使用相对简单的Python脚本定义和评估复杂的数学表达式,同时利用高级计算来优化性能。即便如此,Theano仍被认为是低级框架,许多品牌选择使用在其之上构建的框架如Keras或Blocks。 6. Keras Keras是可以在TensorFlow,Microsoft Cognitive Toolkit和Theano之上运行的高级机器学习API。它的易用性和对开发人员体验的关注使Keras成为快速制作新应用程序原型的首选。 Netflix,Uber和Yelp等许多品牌以及规模较小的创业公司已将Keras集成到其核心产品和服务中。   免责声明:本文内容由21ic获得授权后发布,版权归原作者所有,本平台仅提供信息存储服务。文章仅代表作者个人观点,不代表本平台立场,如有问题,请联系我们,谢谢!

    时间:2021-04-02 关键词: AI 开发框架 人工智能

  • 应用处理器的PPA再进化 ,轻松实现边缘端AI/ML部署

    应用处理器的PPA再进化 ,轻松实现边缘端AI/ML部署

    近年来在边缘端的算力需求的提升是一个趋势, 所以MCU厂商的新品的主频都已经向上到了GHz级别,用上了多核的架构;而应用处理器厂商也向下探,推出更易用的跨界应用处理器,例如NXP的i.MX RT系列。现在新的趋势是将人工智能(AI)和机器学习(ML)的细分应用下沉到边缘端,实现更加智能的边缘端应用。这种AI和ML在边缘端的部署,对于处理器的性能、功耗、连接性和安全性都提出了更高的要求。为了响应这些新的设计需求,NXP宣布其EdgeVerse™产品系列新增了跨界应用处理器,包括i.MX 8ULP、经Microsoft Azure Sphere认证的i.MX 8ULP-CS(云安全)系列和新一代高性能智能应用处理器i.MX 9系列。在i.MX应用处理器媒体沟通会上,恩智浦大中华区工业与物联网市场高级总监金宇杰,恩智浦边缘处理事业部软件研发总监翁铁成和恩智浦边缘处理事业部系统工程总监王朋朋进行了精彩的分享。 实现安全和能效提升:EdgeLock和ENERGY FLEX 在最新的i.MX 8ULP、i.MX 8ULP-CS和i.MX 9系列跨界应用处理器中,我们可以看到EdgeLock™安全区域和ENERGY FLEX架构的出现。从名称上我们就可以看出,EdgeLock™安全区域主要是确保边缘设备的安全性,而Energy Flex架构提供了多种不同的功耗管理模式。 据翁铁成先生介绍,安全正是NXP非常重要的标志技术之一,EdgeLock涵盖了密钥管理、信任根处理、各种丰富的加解密处理,设备范围的安全智能也包含其中。安全策略启动和信任根方面是使用了EdgeLock2Go的技术,该技术的信任根包含在EdgeLock里面,可以通过信任根与EdgeLock的云服务做交互,保证其实现安全的认证。例如NXP可以将AZURE SPHERE的信任根结合到Edge Lock中,这样开发者也可以享用到AZURE SPHERE提供的安全的云服务。   针对异构的i.MX应用处理器,NXP还提供了全新的Energy Flex技术。Cortex-A35的核本身就具备高效和节能的特点, Cortex-M33作为实时处理的核也具备低功耗的特质。再将GPU、DSP加入处理器内,基于Energy Flex技术可以将一个应用处理器配置出大约20多种不同的能耗配置,针对不同的工作负载提供更为细致的功耗配置和响应,从而降低最终应用的整体功耗。   在domain间进行不同工作负载的转换时,其实也会存在受到旁路攻击的风险,而EdgeLock也具备一个独特的“功率感知”的能力,可以智能地跟踪功率转换,采取一些干扰措施来增强抵抗和阻止新兴的攻击面。 通过NPU实现边缘端本地AI/ML应用 对于做嵌入式开发、进行边缘端设计的工程师而言,学习完整的AI和ML的算法和应用,然后进行实际的本地应用部署,这是一件非常费时费力的事情。这也是当前嵌入式工程师在进行边缘端的AI/ML应用开发时面临的难题。而NXP也积极地通过战略投资、生态合作的一系列举措来推动边缘人工智能的新浪潮,从而在一系列嵌入式设备中构建经济高效的人工智能解决方案。 据金宇杰先生分享,NXP的应用处理器是希望帮助普通的公司和开发者也可以进入到自己所需的细分AI领域,实现轻松的边缘AI构建。多个细分的模型算法在云端都已经慢慢成熟,所以在i.MX平台就像一个转换器一样方便,直接从边缘端拿到数据进行本地的处理就可以,这个概念叫做BYOD(Bring Your Own Data)。   在硬件层面,NXP通过将Arm Ethos-U65在应用处理器中嵌入,积极推进microNPU的概念。microNPU可以达到0.5TOPS的算力,恰好是为了补充i.MX 9的512GOPS和i.MX 8M Plus上2.5 TOPS之间的这个空白,所以整个的产品的布局出来之后,不同的AI算力需求的智能边缘端都可以找到合适的能耗比的硬件平台。在软件层面,NXP 发布了eIQ机器学习(ML)软件对Glow神经网络(NN)编译器的支持功能,针对恩智浦的i.MX RT跨界MCU,带来业界首个实现以较低存储器占用提供更高性能的神经网络编译器应用。 所以i.MX这样整体的一个硬件和软件的平台出来后,对于传统的嵌入式开发的设计者而言 ,可以快速实现边缘端AI/ML的部署,将自己的想法借助AI/ML的力量落地。 以前,嵌入式MCU开发者的一个较为集中的痛点是需要应用处理器的高性能,但难以适应应用处理器的架构的变化、学习成本较高。NXP用i.MX RT系列跨界应用处理器很好的解决了这个痛点,市场也通过订单给予了NXP积极的肯定。现在,AI/ML的细分应用在边缘端部署将会是另一个集中的痛点,能够帮助设计者解决这一痛点的平台,想必也会赢得开发者的青睐,获得更多市场份额。

    时间:2021-04-01 关键词: NXP 应用处理器 边缘计算 人工智能

  • 机器学习基础图表:概念、原理、历史、趋势和算法

    Part 1 机器学习概览 什么是机器学习? 机器通过分析大量数据来进行学习。比如说,不需要通过编程来识别猫或人脸,它们可以通过使用图片来进行训练,从而归纳和识别特定的目标。 机器学习和人工智能的关系 机器学习是一种重在寻找数据中的模式并使用这些模式来做出预测的研究和算法的门类。机器学习是人工智能领域的一部分,并且和知识发现与数据挖掘有所交集。 机器学习的工作方式 选择数据:将你的数据分成三组:训练数据、验证数据和测试数据 模型数据: 使用训练数据来构建使用相关特征的模型 验证模型: 使用你的验证数据接入你的模型 测试模型: 使用你的测试数据检查被验证的模型的表现 使用模型: 使用完全训练好的模型在新数据上做预测 调优模型: 使用更多数据、不同的特征或调整过的参数来提升算法的性能表现 机器学习所处的位置 传统编程:软件工程师编写程序来解决问题。首先存在一些数据→为了解决一个问题,软件工程师编写一个流程来告诉机器应该怎样做→计算机遵照这一流程执行,然后得出结果 统计学:分析师比较变量之间的关系 机器学习:数据科学家使用训练数据集来教计算机应该怎么做,然后系统执行该任务。首先存在大数据→机器会学习使用训练数据集来进行分类,调节特定的算法来实现目标分类→该计算机可学习识别数据中的关系、趋势和模式 智能应用:智能应用使用人工智能所得到的结果,如图是一个精准农业的应用案例示意,该应用基于无人机所收集到的数据 机器学习的实际应用 机器学习有很多应用场景,这里给出了一些示例,你会怎么使用它? 快速三维地图测绘和建模:要建造一架铁路桥,PwC的数据科学家和领域专家将机器学习应用到了无人机收集到的数据上。这种组合实现了工作成功中的精准监控和快速反馈。 增强分析以降低风险:为了检测内部交易,PwC将机器学习和其它分析技术结合了起来,从而开发了更为全面的用户概况,并且获得了对复杂可疑行为的更深度了解。 预测表现最佳的目标:PwC使用机器学习和其它分析方法来评估 Melbourne Cup 赛场上不同赛马的潜力。 Part 2 机器学习的演化 几十年来,人工智能研究者的各个「部落」一直以来都在彼此争夺主导权。现在是这些部落联合起来的时候了吗?他们也可能不得不这样做,因为合作和算法融合是实现真正通用人工智能(AGI)的唯一方式。这里给出了机器学习方法的演化之路以及未来的可能模样。 五大流派 符号主义:使用符号、规则和逻辑来表征知识和进行逻辑推理,最喜欢的算法是:规则和决策树 贝叶斯派:获取发生的可能性来进行概率推理,最喜欢的算法是:朴素贝叶斯或马尔可夫 联结主义:使用概率矩阵和加权神经元来动态地识别和归纳模式,最喜欢的算法是:神经网络 进化主义:生成变化,然后为特定目标获取其中最优的,最喜欢的算法是:遗传算法 Analogizer:根据约束条件来优化函数(尽可能走到更高,但同时不要离开道路),最喜欢的算法是:支持向量机 演化的阶段 1980年代 —— 主导流派:符号主义,架构:服务器或大型机,主导理论:知识工程,基本决策逻辑:决策支持系统,实用性有限 1990年代到2000年 —— 主导流派:贝叶斯,架构:小型服务器集群,主导理论:概率论,分类:可扩展的比较或对比,对许多任务都足够好了 2010年代早期到中期 —— 主导流派:联结主义,架构:大型服务器农场,主导理论:神经科学和概率,识别:更加精准的图像和声音识别、翻译、情绪分析等 流派有望合作融合到一起 2010年代末期 —— 主导流派:联结主义+符号主义,架构:许多云,主导理论:记忆神经网络、大规模集成、基于知识的推理,简单的问答:范围狭窄的、领域特定的知识共享 2020年代+ —— 主导流派:联结主义+符号主义+贝叶斯+……,架构:云计算和雾计算,主导理论:感知的时候有网络,推理和工作的时候有规则,简单感知、推理和行动:有限制的自动化或人机交互 2040年代+ —— 主导流派:算法融合,架构:无处不在的服务器,主导理论:最佳组合的元学习,感知和响应:基于通过多种学习方式获得的知识或经验采取行动或做出回答 Part 3 机器学习的算法 你应该使用哪种机器学习算法?这在很大程度上依赖于可用数据的性质和数量以及每一个特定用例中你的训练目标。不要使用最复杂的算法,除非其结果值得付出昂贵的开销和资源。这里给出了一些最常见的算法,按使用简单程度排序。 决策树 Decision Tree 在进行逐步应答过程中,典型的决策树分析会使用分层变量或决策节点,例如,可将一个给定用户分类成信用可靠或不可靠。 优点: 擅长对人、地点、事物的一系列不同特征、品质、特性进行评估,场景举例: 基于规则的信用评估、赛马结果预测。 支持向量机 Support Vector Machine 基于超平面(hyperplane),支持向量机可以对数据群进行分类。 优点: 支持向量机擅长在变量 X 与其它变量之间进行二元分类操作,无论其关系是否是线性的,场景举例: 新闻分类、手写识别。 回归 Regression 回归可以勾画出因变量与一个或多个因变量之间的状态关系。在这个例子中,将垃圾邮件和非垃圾邮件进行了区分。 优点: 回归可用于识别变量之间的连续关系,即便这个关系不是非常明显, 场景举例: 路面交通流量分析、邮件过滤。 朴素贝叶斯分类 Naive Bayes Classification 朴素贝叶斯分类器用于计算可能条件的分支概率。每个独立的特征都是「朴素」或条件独立的,因此它们不会影响别的对象。例如,在一个装有共 5 个黄色和红色小球的罐子里,连续拿到两个黄色小球的概率是多少?从图中最上方分支可见,前后抓取两个黄色小球的概率为 1/10。朴素贝叶斯分类器可以计算多个特征的联合条件概率。 优点:对于在小数据集上有显著特征的相关对象,朴素贝叶斯方法可对其进行快速分类,场景举例:情感分析、消费者分类。 隐马尔可夫模型 Hidden Markov model 隐马尔可夫过程是完全确定性的 —— 一个给定的状态经常会伴随另一个状态。交通信号灯就是一个例子。相反,隐马尔可夫模型通过分析可见数据来计算隐藏状态的发生。随后,借助隐藏状态分析,隐马尔可夫模型可以估计可能的未来观察模式。在本例中,高或低气压的概率(这是隐藏状态)可用于预测晴天、雨天、多云天的概率。 优点:容许数据的变化性,适用于识别(recognition)和预测操作,场景举例:面部表情分析、气象预测。 随机森林 Random forest 随机森林算法通过使用多个带有随机选取的数据子集的树(tree)改善了决策树的精确性。本例在基因表达层面上考察了大量与乳腺癌复发相关的基因,并计算出复发风险。 优点: 随机森林方法被证明对大规模数据集和存在大量且有时不相关特征的项(item)来说很有用,场景举例: 用户流失分析、风险评估。 循环神经网络 Recurrent neural network 在任意神经网络中,每个神经元都通过 1 个或多个隐藏层来将很多输入转换成单个输出。循环神经网络(RNN)会将值进一步逐层传递,让逐层学习成为可能。换句话说,RNN 存在某种形式的记忆,允许先前的输出去影响后面的输入。 优点:循环神经网络在存在大量有序信息时具有预测能力,场景举例:图像分类与字幕添加、政治情感分析。 长短期记忆与门控循环单元神经网络 LSTM & GRU nerual network 早期的 RNN 形式是会存在损耗的。尽管这些早期循环神经网络只允许留存少量的早期信息,新近的长短期记忆(LSTM)与门控循环单元(GRU)神经网络都有长期与短期的记忆。换句话说,这些新近的 RNN 拥有更好的控制记忆的能力,允许保留早先的值或是当有必要处理很多系列步骤时重置这些值,这避免了「梯度衰减」或逐层传递的值的最终 degradation。LSTM 与 GRU 网络使得我们可以使用被称为「门(gate)」的记忆模块或结构来控制记忆,这种门可以在合适的时候传递或重置值。 优点:长短期记忆和门控循环单元神经网络具备与其它循环神经网络一样的优点,但因为它们有更好的记忆能力,所以更常被使用,场景举例:自然语言处理、翻译。 卷积神经网络 convolutional neural network 卷积是指来自后续层的权重的融合,可用于标记输出层。 优点: 当存在非常大型的数据集、大量特征和复杂的分类任务时,卷积神经网络是非常有用的,场景举例: 图像识别、文本转语音、药物发现。 免责声明:本文内容由21ic获得授权后发布,版权归原作者所有,本平台仅提供信息存储服务。文章仅代表作者个人观点,不代表本平台立场,如有问题,请联系我们,谢谢!

    时间:2021-04-01 关键词: 机器学习 人工智能

  • 那些在一个公司死磕了5-10年的人,最后都怎么样了?

    那些在一个公司死磕了5-10年的人,最后都怎么样了?

    最近在知乎上看到一个话题 那些在一个公司死磕了5-10年的人最后都怎么样了?" 在互联网红利爆发,人心躁动的今天,可以在一个公司磕到5~10年,真的很不容易,我记得前东家要是有人呆满8年,就可以鲜花伺候,附送一个小金块,据说价值不菲。 下面是知乎作者"沈世钧"的一个回答,感觉还不错,分享给大家。 我是一名老程序员,在这家公司(500强外企),到今天已经服务了10年,目前的职称是“高级软件技术专家”。 好多人,尤其是在软件圈,一听闻我在这家公司已经服务了10年,无不大吃一惊,觉得我要么是技术烂,要么是没有追求。 其实,都不是。 我之所以愿意呆在这家公司,实在是因为她确实很棒,满足我的一切需求。 工作和生活的平衡 我大概回忆了下,在这家公司的10年,加班的时间全部加起来不超过10天。最近3年则一天都没有。 20天年假,病假无算,基本上随请随休。 我从来没听说过那个领导不批员工年假的。 这样温和的工作,且不说在“996”成风的 IT圈,就是在任何传统行业,哪怕是公务员,也不多见。 对年轻人来说,高强度加班可能不是什么大问题。但人过了30,有了家庭,琐事缠身,精力每况愈下,愈发觉得能拥有这样一份工作,是人生之幸。 顶尖的技术 我所在业务部,主打技术是人工智能。而在某些细分领域,10年以来,公司的算法一直保持业界领先。 而是我虽然是一名软件开发人员,耳濡目染,却也一直接触着业界最前沿技术。 公司鼓励员工大胆尝试新技术,也不限制工程师的发展方向。10年以来,无论是桌面开发(C#/WPF)、还是Java后端开发,还是前端开发,我都较深入的参与过。 所以相对于有些公司,专岗专人,我在技术的广度上,则没有受到明显的限制。 软实力 除了技术“硬实力”,公司还特别注重发展员工的“软实力”,例如演讲能力,文案能力等等。 而这种软实力,越是职业生涯往后发展,就越有价值。 我常想,如果有一天,我失去了当前的工作,也许就再没有人愿意雇用我去写代码。到那时候,也许我可以凭着我这些年的积累,可以去应聘一些其他岗位,例如售前、售后、培训师等。 好歹有口饭吃。 职业发展 我的职业发展,总体走了一条“技术->管理->技术”的路线。 从技术走向管理是因为典型的“学而优则仕”。 从管理再回到技术,则是追随本心。整个过程,公司都尊重我的想法,没有设置任何的障碍。 今年我41岁,每天依旧奋斗在编程第一线。在这家公司,是再正常不过的一件事,没有一丝的尴尬。 舒适的工作环境 我去过很多互联网公司,很多办公环境都是大厅,大长桌。连个最基本的隔断都没有。工位之间,人挤人,恨不得伸个懒腰会碰到别人。 而我们公司人均办公面积20平方米,很多人都同时拥有3台显示器。工作之余,或伸腿躺下,或站起来做几个俯卧撑,那是再轻松不过的事情。 而资历深的老员工,很多还有独立办公室,无论管理还是技术。 有竞争力的薪水 当然,任何一家公司,再好的技术、再舒服的工作环境,如果给太少的钱,无疑都是耍流氓。 在过去的10年中,前8年,我的薪水在同资历的朋友中,一直靠前。但也就这两年,随着互联网的强势发展,朋友中才陆陆续续有人反超了我,但也是个别,而且多的并不夸张。 例如朋友在互联网公司挣1万,那我可能就挣8500。 但是,朋友为了这多出15%,却多付出了将近一倍的时间,而且还是最珍贵的休息时间。这个投入产出比,在我看来,实在太低。 当然,我不是说对所有的人,这个公司都是完美的。但具体到我,在每个时间点上,却可能是最适合我的。 早10年的时候,我年轻,也缺钱,并且精力旺盛,也能承受高强度的加班。但那时我的薪水却高于同资历的人,所以自没有离开的理由。 现在,虽然我的薪水优势已不在,但我却已经40岁了,精力大不如前,需要更多的关注家庭和健康。而现在我如果为了追求不多的加薪,而跳槽到996成风的互联网企业,无疑是准备向死而生。 当然,这世界上永远不会有完美的东西。即使有,也不会在所有的时候,让一个人全占了。 这家公司最大的问题是,这两年外企总体在走下坡路。就在我身边,大规模的裁员就发生过多次。 所以,今天,虽然我每天认真工作,真心的希望这家公司好。但我也有心理准备,如果哪天真裁员到我头上,我也没啥可说的。 我准备领了补偿金(n+3),回家好好调整一段时间,然后再开始人生的下一段旅程。 但无论如何,在心里,我和这家公司都有无比深的感情。她影响了我,改造了我,是我人生最重要,最愉快的的一段时光。我相信,到死的那天,在我临终回忆的时候,我的心里一定有她抹不去的影子。

    时间:2021-03-31 关键词: 互联网 知乎 人工智能

  • 全球第一条自进化人工智能机器狗,了解下

    近日,德鲁动力COO鲍平军发表了一篇题为《四足机器人AI赋能平台》的主题演讲,向业界人士分享和介绍了德鲁AI矩阵的平台战略和分布式计算技术在平台产品落地中扮演的重要角色。 德鲁动力先人一步:造福行业  AI资源平台化 鲍平军预测道,当传统行业广泛引入区块链后,原有的产品和服务将面临难以计量的变革和革新,其市场规模将爆发增长至原本的5倍。变革对产业和人们的生活将带来非常大的影响,已经上升到国家战略高度,区块链大数据已在政府工作报告中成为新基建的重要内容之一。 德鲁动力正是在这样的背景下,展开了如何更好地用AI技术赋能和优化各行各业的思考。 “当人们谈到AI、谈到分布式存储等技术的整合时,便会产生非常多有趣的应用。”鲍平军介绍道。德鲁动力前身为2013年成立的成都陌云科技X实验室,在VSLAM视觉导航、运动控制、智能听觉、智能态势感知、自然交互和分布式计算等技术领域有着深厚的技术积累和优势。 在技术储备与行业洞察的基础上,德鲁动力以成为AI应用创新的引领者为愿景,着眼于五年、十年甚至二十年的未来行业发展趋势,探索AI矩阵的建设。 面向各行各业的AI去中心化的解决方案——四足机器人AI创新赋能平台,就是德鲁动力先于业界其他AI科技公司所跨出的全新一步。该平台集合了德鲁动力的技术优势,将技术整合研发、工业设计和联合产品设计、生态运营建设、智造与供应链等一系列技术和产品平台化,让不同行业都能得到一站式AI创新赋能服务。 德鲁动力更是有意构建开放机制,进一步团结整个社会的力量进行群体创新,为全世界范围内的科学家和工程师提供发挥聪明才智的空间,让平台的智能水平实现不断的进化。目前,该平台已在家庭陪伴、公安消防、巡逻搜救和排爆等应用场景中有所探索和实践。 AI赋能平台产品实践中的分布式技术 演讲中,鲍平军向与会人员介绍了德鲁动力AI创新赋能平台输出的应用案例——全球第一条自进化人工智能机器狗KODA。 今年1月,KODA智能机器狗在CES上亮相。作为世界上第一条能感知人类情感并作出相应的互动、有学习能力的情感交互陪伴犬,KODA收获了国内外媒体超乎预期的良好反响。 KODA智能机器狗通过IPFS分布式存储技术实现数据存储,其底层技术就是分布式计算。因采用了基于区块链技术的去中心化人工智能算力网络实现数据处理,而大大提升了家庭使用场景中的隐私数据的安全性。 鲍平军表示,“AI的未来一定是去中心化的。”基于去中心化AI算法商城,KODA还能在使用过程获得“成长”属性,进而塑造出独特的性格和更完善的人机社交体验。平台将每一条机器狗都接入分布式AI算力网络中,使其在完成每一天的任务的同时,也互相学习和进化。 德鲁动力相信,在机器人AI创新赋能平台的加持下,各行各业都将有机会从容面对技术的发展与变革,让技术更好地服务、融入社会。

    时间:2021-03-31 关键词: 机器人 AI 人工智能

  • Arm推出Arm®v9架构:面向人工智能、安全和专用计算的未来

    新闻重点: ◆ 全新的Armv9架构将会成为未来3,000亿颗基于Arm架构芯片的先驱; ◆ 基于通用计算具备的经济性、设计自由度和可及性的优势,Arm v9架构进一步推进专用计算处理; ◆ 提供更高的性能、增强的安全性以及数字信号处理和机器学习功能。 2021年3月31日,Arm宣布推出Arm®v9架构,以满足全球对功能日益强大的安全、人工智能(AI)和无处不在的专用处理的需求。Armv9立足于Armv8的成功基础,是这十年来最新的Arm架构。Armv8正在当今需要计算的领域中驱动最佳的每瓦性能表现。 Arm首席执行官Simon Segars表示,“在展望由AI定义的未来时,我们必须夯实先进的计算基础,以应对未来的独特挑战。Armv9就是我们给出的答案。在通用计算所具备的经济性、设计自由度和可及性的基础上,市场需要普适专用、安全而强大的处理能力,这将驱动下一个3,000亿个基于Arm架构的芯片发展,而Armv9就是这些芯片的技术先驱。” 基于Arm架构的芯片出货量在持续加速,过去五年基于Arm架构的设备出货量超过1,000亿。按照目前的速度,无论是在终端、数据网络还是云端,全球100%的共享数据很快将会通过Arm技术进行处理。如此广泛的应用让Arm肩负更多的责任和使命,为此,Arm在Armv9中提供更多的安全性和性能,顺应AI、物联网和5G在全球范围内的强劲发展,加速每个产业应用从通用计算转向专用计算。 安全:计算的最大挑战 为了解决当今最大的技术挑战——保护全球数据安全,Armv9架构路线图引入了Arm机密计算架构(Confidential Compute Architecture, CCA)。机密计算通过打造基于硬件的安全运行环境来执行计算,保护部分代码和数据,免于被存取或修改,甚至不受特权软件的影响。 Arm CCA将引入动态创建机密领域(Realms)的概念,机密领域面向所有应用,运行在独立于安全或非安全环境之外的环境中,以实现保护数据安全的目的。例如,在商业应用中,机密领域可以保护系统中商用机密数据和代码,无论它们正被使用、闲置或正在传输中。事实上,在最近一项针对企业高管的Pulse调查中,超过九成的受访者相信,机密计算可以帮助降低企业在安全方面投入的成本,如此一来,他们可以转而大量的投入工程创新。 微软Azure Edge和平台部门企业副总裁兼首席技术官Henry Sanders表示,“随着从边缘到云的用例越来越复杂,我们已经不能用一个放之四海而皆准的方案来解决所有用例。因此,异构计算正变得越来越普遍,这需要硬件和软件开发商之间加强协同。Arm与微软密切合作开发的Armv9机密计算功能就是硬件和软件之间协同的一个很好的范例。Arm处于独一无二的位置,可以在生态系统的核心加速异构计算,在驱动数十亿设备的计算架构上促进开放创新。” 无处不在的AI:呼唤专用、可扩展的解决方案 AI工作负载的普遍性和广泛性需要更多样化和专用的解决方案。据估计,到21世纪20年代中期,全球将有超过80亿台搭载AI语音辅助的设备。且90%或更多设备上的应用程序将包含AI元素以及基于AI的界面,如视觉或语音。 为了满足这一需求,Arm与富士通合作开发了可伸缩矢量扩展(Scalable Vector Extension, SVE)技术,并驱动了世界上最快的超级计算机“富岳”。在此基础上,Arm为Armv9开发了SVE2,以便在更广泛的应用中实现增强的机器学习和数字信号处理能力。 SVE2增强了对在CPU上本地运行的5G系统、虚拟和增强现实以及ML工作负载的处理能力,例如图像处理和智能家居应用。在未来几年,Arm将进一步扩展其技术的AI能力,除了在其Mali™ GPU和Ethos™ NPU中持续进行AI创新外,还将大幅增强CPU内的矩阵乘法。 通过系统设计实现性能最大化 在过去的五年,Arm技术每年都以超过业界的速度提升CPU性能。Arm在新一代架构Armv9上将保持这个速度,预计未来两代移动和基础设施CPU的性能提升将超过30%。 然而,随着行业从通用计算向普遍的专用处理发展,每年两位数的CPU性能提升是不够的。除了增强专用处理能力,Arm的全面计算(Total Compute)设计方法将通过集中的系统级硬件和软件优化以及用例性能的提高,加速总体计算性能。 通过将全面计算的设计原则应用在包含汽车、客户端、基础设施和物联网解决方案的整个IP组合中,Armv9系统级技术将遍及整个IP解决方案,并改善个别IP。此外,Arm还在开发多项技术以提高频率、带宽、缓存,并降低内存延迟,从而最大限度地提升基于Armv9的CPU性能。 下一个计算十年的愿景 Arm高级副总裁、首席架构师兼技术院士Richard Grisenthwaite表示,“更复杂的基于AI的工作负载需求,正在推动更安全和专用处理的发展,这将是打开新市场、抓住新机遇的关键。Armv9将赋能开发者通过弥合软硬件之间的关键差距,构建和编程未来的可信计算平台,同时实现标准化,帮助我们的合作伙伴在更快的上市时间和成本控制之间取得平衡,同时能够创建自己独特的解决方案。”

    时间:2021-03-31 关键词: 芯片 ARM AI 人工智能

首页  上一页  1 2 3 4 5 6 7 8 9 10 下一页 尾页
发布文章

技术子站

更多

项目外包