尽管AI芯片种类繁多,GPU因其适应性和强大的并行计算能力,仍是AI模型训练的主流硬件。英伟达在GPU领域的技术积累和生态建设使其处于领先地位,而国内GPU厂商虽在追赶,但仍存在差距。AI应用向云、边、端全维度发展,模型小型化技术成熟,数据传输需求增加,Chiplet技术降低设计复杂度和成本。
Nvidia在2023年投资者会议上展示了其GPU发展蓝图,计划在2024年推出H200和B100 GPU,2025年推出X100 GPU。其AI芯片更新周期从两年一次缩短至一年一次,体现产品开发速度加快。Nvidia的“One Architecture”统一架构支持不同环境下的模型训练和部署,适用于数据中心和边缘计算。同时,Nvidia的技术路线图包括HBM3E高速存储器、PCIE 6.0/7.0、NVLink、224G SerDes、1.6T接口等先进技术。
HBM技术通过提升I/O口数量和速率,突破内存限制,成为AI芯片的强大辅助。HBM3和HBM3e将成为AI服务器主流配置,预计HBM4将于2026年发布。全球HBM市场预计在2024年超百亿美元。HBM采用TSV+Bumping和TCB键合方式,但散热效率低下,海力士引入MR-MUF工艺改善。预计HBM4将采用混合键合Hybrid Bonding技术,3D封装的核心是混合键合与TSV。
今天Nvidia公布了第四季度财务业绩,结果再次超出华尔街预期,使其股价在盘后交易中走高。
19 位学界、业界人士忧心忡忡、把酒言欢的搞了一篇论文,把 AI 治理聚焦到了“硬件”和“算力”上。
AI专用硬件的全面普及还需要不短的时间,在此之前,唯一办法就是充分挖掘现有硬件终端本身的计算能力。
3月6日,央视新闻直播间播出“我们的十四五”两会特别报道,云天励飞的AI无感测温设备和AI芯片DeepEye1000作为深圳高新技术发展成果的代表亮相。
在走出隐形模式仅两年之后,人工智能芯片初创公司Habana Labs就被英特尔以20亿美元的价格收购。
在 2019 英特尔人工智能峰会现场,英特尔宣布——新推出的 Nervana 神经网络处理器(NNP)现已投入生产并完成客户交付。
来自ABI Research的两份新报告详细分析了当今人工智能芯片组市场的发展状况。其中,ABI Research首席分析师Lian Jye Su谈到了正在进入这个潜在利润丰厚市场的公司和技术。
2019年6月19日,Habana Labs宣布推出Habana Gaudi™人工智能训练处理器,基于Gaudi的训练系统实现了比拥有相同数量的GPU系统高四倍的处理能力。
面对人工智能芯片这样一个百亿级规模的市场,充满“野心”的企业不在少数,甚至有不少初后起之秀直接“叫板”英伟达。Habana Labs正是其中之一。
核心技术发展的背后,资本是最基础的原动力。尤其是在当下,资本的投入,对于我国自主研发能力的提升有着极为关键的作用。这就是云和资本董事长赵云所说的“家国情怀”。
云和资本创始人、董事长赵云6月14日接受了包括人民网、融资中国、创业邦、至顶网以及科技行者等在内的多家媒体的采访。
昨日,华米科技2018年度新品发布会在京召开,活动上共推出三款新品,分别是AMAZFIT智能手表、AMAZFIT米动健康手环1S,以及全球智能穿戴领域第一颗人工智能芯片——黄山1号。
在去年百度世界大会上,李彦宏放了个狠话,说要在2018年7月份实现无人车的量产。这比行业的预计量产时间足足提早了两年。转眼之间“期限”已到,许多“吃瓜群众”都开始围观坐等看他如何亲自拔掉这个flag。