跳转到主要内容
2027年最值得关注的生成式人工智能趋势未来的生成式AI系统不会只是更大的模型,而是由模型、智能体、数据、算力、网络、应用和治理机制共同构成的复杂系统。
深度解析CPU大小核与AI异构设计的融合之道本文将深入拆解这两大异构设计的技术内核,探讨它们如何协同工作,以及面临的工程挑战。
一图读懂《智能网联新能源汽车产业发展“十五五”规划》为贯彻落实党中央、国务院关于建设制造强国,交通强国、网络强国的战略部署,推动智能网联新能源汽车产业高质量发展,加快建设汽车强国,依据《中华人民共和国国民经济和社会发展第十五个五年规划纲要》,制定本规划。
AI、大模型、智能体,三者的层级关系一次讲透三者不是并列关系,而是从宽泛到具体、从基础到落地、从动脑到动手的层层递进关系。今天用零基础也能看懂的大白话+生活化案例,彻底理清三者逻辑,看完再也不混淆。
摩尔定律跑不动之后,芯片们该怎么卷?曾经“缩尺寸、提性能、降成本”的简单内卷逻辑彻底走到尽头,芯片行业告别了躺赢的黄金时代,正式进入后摩尔时代。当物理缩放的路被堵死,万亿芯片赛道的内卷,正在彻底换一套玩法。
边缘AI未来十年决胜于内存本文与ST专家Giuseppe Desoli探讨了以内存为中心的芯片设计、存内计算,以及在人工智能真正融入微控制器、传感器或机器人灵巧手之前,芯片硬件层面需要做出哪些方面的改变。
2026年半导体制造的七大关键趋势进入2026年,半导体制造的核心变化可以概括为:从追求更小的晶体管,转向同时优化晶体管、封装、存储、互连、制造流程和供应链。
CPU训练、GPU训练及多GPU训练模型训练的主要目标是通过不断优化模型参数来最小化损失函数,从而提高模型在测试数据上的泛化能力。常用的训练方式包括CPU训练、GPU训练以及多GPU训练。
2027年值得关注的增强现实趋势2027年,增强现实(AR)将逐渐从以头戴设备和手机应用为主的探索阶段,向更加轻量化、智能化和场景化的方向发展。
汽车启动的3秒,藏着多少HMI设计?以前我们聊汽车 HMI,更多关注的是仪表、中控、HUD、导航以及各种功能页面。但这几年做项目下来,我越来越关注一个看似简单的问题:一台车启动的那几秒,究竟应该让用户看到什么?
边缘AI的崛起:算力向用户侧迁移,重塑设备战略边缘AI能力在设备市场上并非均匀分布。不同档次的NPU性能差异显著,而这种差异决定了设备能支撑哪些边缘AI工作负载——以及支撑到什么程度。
unity是如何使用不同的 SubShader 优化性能一些示例和策略,展示如何通过选择合适的 SubShader 来优化性能。
为什么芯片制造CP测试之后FT测试至关重要?对于芯片设计、测试、供应链、硬件研发从业者来说,理清CP与FT的分工边界,不仅能看懂制造流程,更能理解半导体行业“极致严谨、层层兜底”的品质逻辑。
2027年值得关注的云计算技术趋势尤其值得关注的是人工智能代理安全、数字身份治理、软件供应链安全、深度伪造防范、后量子密码迁移以及网络韧性等方向。
数字钥匙之后,汽车正在重新定义“我是谁”这几年,汽车智能化发展越来越快。我们经常讨论大屏、HUD、智能驾驶、AI座舱、多屏交互,却很少认真关注一个看似不起眼的功能——数字钥匙。
GPU公司半年报到底透露了哪些不为人知的秘密?未来的GPU赛道,再也不是“只要入局就能吃肉”的蓝海市场。技术迭代、生态完善、落地能力、盈利质量,将成为筛选优质企业的核心标尺。
中央网信办:当前人工智能领域主要面临5方面安全风险挑战在近日举办的2026年国家网络安全宣传周新闻发布会上,中央网信办网络安全协调局副局长、一级巡视员王丽宏向总台央视记者介绍,当前人工智能领域主要面临5方面安全风险挑战。
现代可穿戴设备中视觉智能背后的技术从技术角度来看,现代视觉可穿戴设备实际上是一个由感知、理解、推理、计算和交互多个环节组成的综合系统。设备最终呈现出的功能体验,很大程度上取决于这些环节之间能否高效协同。
AI 怎么变聪明的?神经网络、机器学习、NLP 三大里程碑神经网络与深度学习,是人工智能走得最远、也最关键的一段路。它们让机器学会了从数据里找规律,把图像识别、语音识别、自然语言处理这些原本只有人能干的事,一步步揽到了自己手里。
看懂AI真正的底气:什么是算力?它为什么决定AI上限?今天我们用最通俗、最透彻的方式,带你读懂 AI 时代最核心、也最容易被忽略的底层力量 ——算力。