具备可扩展的架构和指令集,赋能计算机视觉和图像应用
新加坡(2025年6月3日)——业界领先的半导体器件供应商兆易创新GigaDevice(股票代码 603986)今日正式宣布其国际总部在新加坡正式成立,标志着公司向全球化发展迈出了关键一步,彰显了其深化客户合作、构建高韧性与高灵活性的供应链,并持续强化生态体系和品牌国际影响力的长期承诺。
数字时代改变了解决问题的范式,将智能引入边缘可以应对全新的复杂挑战。数据采集(DAQ)系统成为了边缘智能的核心。在数据采集领域,准确度和可靠性至关重要。为确保达到高准确度和完整性,隔离式精密信号链的重要性不容忽视。
以芯为基,智创未来。近日,领先的嵌入式模组厂商-米尔电子正式与国产FPGA企业安路科技达成IDH生态战略合作。双方将围绕安路科技飞龙SALDRAGON系列高性能FPSoC,联合开发核心板、开发板及行业解决方案,助力开发者开发成功,加速工业控制、边缘智能、汽车电子等领域的创新应用落地。
在边缘智能系统中,TinyML模型的部署和优化至关重要,尤其是在资源受限的设备上。这类设备通常具有有限的计算能力、内存和能源,因此优化模型以在这些设备上高效运行变得尤为重要。本文将探讨如何利用SIMD(单指令多数据)指令集优化int8矩阵乘加运算,并讨论如何通过重构计算图实现神经网络中的零跳转流水,以优化分支预测。
在人工智能(AI)技术日新月异的今天,神经网络作为其核心驱动力,正逐步渗透到各个行业与领域。然而,传统的神经网络模型往往受限于计算资源和功耗,难以在边缘设备上实现高效运行。现场可编程门阵列(FPGA)作为一种高性能、低功耗的硬件加速器,为小型神经网络的部署提供了理想的平台。本文将深入探讨适用于FPGA的小型神经网络,以及它们在边缘智能应用中的独特优势。
目前全球大概约有90%的AI都运行在基于Arm架构的CPU上面。而随着Arm在硬件、软件和生态上的合力,以及像AFA这样的创新授权模式的开启,预计未来伴随着端侧AI的爆发,Arm的开发者阵营还会持续扩大,Arm也将会借此释放AI前所未有的规模潜力。
想要了解“深度学习+”,我们必须回到深度学习技术在中国落地生根的历史当中。2006年,辛顿等人意外发现了多层神经网络带来的全新可能性,就此将上世纪80年代已经产生的机器学习技术,推动到了深度学习的新阶段,而深度学习技术在一系列AI测试任务上的优异表现,也重新燃起了人们对AI的期待。客观来说,经历了两次寒冬的AI技术,能够再次复兴的核心要素就是深度学习技术的出现。
提高生产力和降低运营成本,是所有企业/工厂努力追求的目标,由此引发对增强边缘智能新技术的需求暴增。不过您可能会好奇,“边缘是什么意思”?在ADI看来,“边缘”是机器与现实世界融合或交互之地。
无论构建什么样的物联网系统,都必须具备三个“必备”要素:传感器节点、网关和云网络。
集成硬件与软件,构建边缘到云应用 2017年,台北–全球嵌入式计算领导厂商研华科技,继2016年推出物联网网关后,研华整合更多的软件模组与服务,进一步推出EIS-Edge I
根据SAR Insight & Consulting最新的人工智能/机器学习嵌入式芯片数据库显示,在2019-2024年,全球支持人工智能的设备和边缘计算的CAGR将以64.2%的速度增长。
本文讨论毫米波技术如何为自主机器人提供边缘智能,使传感器能够做出实时决策,以减缓或停止机器人,并确保其在工业机器人应用中的持续性能。
2017年,台北–全球嵌入式计算领导厂商研华科技,继2016年推出物联网网关后,研华整合更多的软件模组与服务,进一步推出EIS-Edge Intelligence Server——IoT边缘智能服务器系列。