英伟达向联发科投资35亿美元,旨在让联发科定制的AI芯片支持英伟达生态系统。英伟达意识到无法阻止客户自研芯片,转而通过合作确保芯片兼容其NVLink互联体系。联发科正扩展数据中心ASIC业务,预计2026年营收达20亿美元,未来将更多参与定制AI芯片。
英特尔晶圆代工业务迎来首个外部客户飞塔,后者将SP6安全芯片交由英特尔生产。此前飞塔主要与台积电合作,此举标志英特尔成功从台积电抢得客户。对英特尔意义重大,因先进制程进展缓慢,新CEO陈立武正推进改革,重视代工业务。飞塔称合作将增强其ASIC战略。
谷歌正研发代号“Frozen v2”的定制芯片,将Gemini模型架构部分硬编码于硅片,同时保留权重可更新,以提升推理效率。目标每瓦特令牌数提升6至10倍,缓解算力压力并降低成本。此举反映AI推理正从通用GPU转向模型专用硬件,类似比特币挖矿的ASIC演进,但保留灵活性以适配模型迭代。
近日,一家公司推出了将大模型直接写入ASIC芯片的技术,推理速度达到17000 Token/s,耗电和成本比英伟达显卡低10倍。这种ASIC有望改变算力竞争格局,未来可能主导大模型推理,而GPU则回归训练和通用计算。
Tektronix推出7系列DPO示波器,具备25GHz带宽、低噪声和高ENOB,采用新型ASIC提升数据处理速度,支持高速通信和人工智能研究。首款DPO714AX已开放订购。
流媒体视频运营团队追求高质量观看体验与成本降低,转码是关键成本因素。选择合适的转码解决方案(如CPU、GPU或ASIC)可优化资本与运营成本。基于ASIC的转码器在功耗、性能和可扩展性方面表现最佳,适合高需求环境。
特斯拉从FPGA/GPU系统转向定制ASIC(如FSD芯片、Dojo D1),在激光雷达和视觉处理上采取不同于行业标准的策略。FPGA适合多传感器融合但功耗高,而特斯拉的ASIC在视觉处理上表现优越,但不支持激光雷达。FPGA具有较强适应性,而ASIC则需控制整个技术栈。
撷发科技在2025年Embedded World展会上展示了跨平台AI软件服务CAPS和客制化ASIC设计服务CATS,吸引了超过百笔潜在商机,增长三倍。CAPS支持多种AI边缘运算平台,降低开发成本,提高部署效率;CATS提供一站式ASIC设计解决方案,应用于AIoT和工业控制等领域。同时展示了iPROfiler AI SoC效能分析工具,优化AI SoC架构。
本研究提出了一种可重构的混合精度编码器,解决了ASIC在图像处理中的适用性限制。该编码器通过量化和剪枝优化硬件需求,在1Mb配置下实现87.5%的CIFAR-10分类准确率,并有效进行图像补丁压缩,展现出广泛应用潜力。
MSU世界编码器大赛是视频编码领域的国际赛事,吸引了腾讯、Streamlake、Netint、Intel、英伟达、AMD等科技巨头参赛。火山引擎的BVE1.2编码器在多个赛道中获得多项第一,并被评为最佳ASIC编码器。字节跳动在视频编码领域持续投入研发,推出了FPGA编码器和ASIC编码器,提供更高的压缩效率和灵活性。火山引擎视频转码芯片集成了多项关键技术,适用于各种业务场景,并能显著降低带宽和计算成本。
本文介绍了多种基于深度强化学习的优化方法,包括LoopTune编译器、Mind Mappings搜索方法、QuantTune微调技术和AutoCkt框架,旨在提升深度学习模型和电路设计的性能,优化计算速度、能量效率和设计流程。
ASIC是专门用于执行特定任务的芯片,具有低功耗和高性能。谷歌的TPU是用于神经网络训练的ASIC芯片。英特尔、IBM和三星等公司也在研究和投资ASIC芯片。FPGA是可重构的芯片,适合产品原型开发和设计迭代。ASIC和FPGA的区别在于功能灵活性。从性能、功耗和时延来看,ASIC和FPGA优于CPU和GPU。然而,由于成本和开发周期的原因,GPU在AI计算中仍占主导地位。
贝加尔电子成立新部门,专注于构建人工智能应用的专用集成电路。该项目需要20亿卢布和3年时间。贝加尔电子希望满足俄罗斯对人工智能硬件的需求,但生产仍然是个问题。
完成下面两步后,将自动完成登录并继续当前操作。