動(dòng)態(tài)
-
發(fā)布了文章 2026-04-16 12:47
人工智能五大核心：芯片、算力、數(shù)據(jù)、算法、能源 ！
在全球科技革命的浩蕩浪潮中，人工智能已成為重塑人類文明形態(tài)的核心驅(qū)動(dòng)力。那么，人工智能究竟由何構(gòu)成？支撐其持續(xù)迭代進(jìn)化的內(nèi)在技術(shù)體系又是什么？本文聚焦人工智能發(fā)展的五大核心支柱：芯片、算力基礎(chǔ)設(shè)施、數(shù)據(jù)、算法與能源電力。這五大層次自微觀至宏觀、從硬件到軟件、由物質(zhì)基礎(chǔ)到能量支撐，共同構(gòu)筑起人工智能完整的“身體圖譜”，形成其閉環(huán)式技術(shù)體系，也成為當(dāng)今大國(guó)科技競(jìng)725瀏覽量 -
發(fā)布了文章 2026-04-15 14:44
解讀大型語(yǔ)言模型的偏見(jiàn)
在一項(xiàng)新的研究中，研究人員發(fā)現(xiàn)了LLM中某種偏見(jiàn)的根本原因，為更準(zhǔn)確、更可靠的AI系統(tǒng)鋪平了道路。研究表明，大型語(yǔ)言模型（LLM）往往傾向于過(guò)分強(qiáng)調(diào)文檔或?qū)υ掗_(kāi)頭和結(jié)尾的信息，而相對(duì)忽略中間部分。這種“位置偏差”意味著，若律師使用LLM支持的虛擬助手檢索30頁(yè)宣誓書(shū)中的某個(gè)短語(yǔ)，該短語(yǔ)位于第一頁(yè)或最后一頁(yè)時(shí)被找到的可能性會(huì)大得多。麻省理工學(xué)院的研究人員揭示了 -
發(fā)布了文章 2026-04-14 14:21
-
發(fā)布了文章 2026-04-13 15:05
Chiplet：重新定義高性能半導(dǎo)體設(shè)計(jì)的未來(lái)
從單芯片設(shè)計(jì)到封裝級(jí)異構(gòu)集成的轉(zhuǎn)變正在重新定義半導(dǎo)體行業(yè)的現(xiàn)在和未來(lái)。大型單芯片集成電路在光刻技術(shù)和良率方面的局限性，以及成本和上市時(shí)間方面的優(yōu)勢(shì)，推動(dòng)了芯片組解決方案的發(fā)展。芯片組架構(gòu)可以將來(lái)自不同工藝節(jié)點(diǎn)的多個(gè)芯片集成到單個(gè)異構(gòu)封裝中。除了成本和良率優(yōu)勢(shì)外，芯片組解決方案還極大地提高了設(shè)計(jì)的模塊化程度，從而能夠更精確地將各種邏輯集成到單個(gè)封裝中。Chip286瀏覽量 -
發(fā)布了文章 2026-04-10 14:18
汽車電子，從單片SoC走向多芯片設(shè)計(jì)
可擴(kuò)展算力架構(gòu)、更高良率、異質(zhì)集成能力與更強(qiáng)可靠性，多芯片設(shè)計(jì)有效彌補(bǔ)了單片式SoC的局限。受算力需求攀升、功能安全要求提高以及向可擴(kuò)展半導(dǎo)體架構(gòu)轉(zhuǎn)型等因素驅(qū)動(dòng)，現(xiàn)代汽車電子正經(jīng)歷快速變革。支撐這一變革的最重要技術(shù)突破之一，便是多芯片系統(tǒng)集成方案的普及。多芯片設(shè)計(jì)是指將多顆同質(zhì)或異質(zhì)半導(dǎo)體裸片集成于單一封裝內(nèi)，以實(shí)現(xiàn)更強(qiáng)的可擴(kuò)展性、更高性能與更好的可靠性。這2.1k瀏覽量 -
發(fā)布了文章 2026-04-09 13:55
深度學(xué)習(xí)驅(qū)動(dòng)的超構(gòu)表面設(shè)計(jì)進(jìn)展及其在全息成像中的應(yīng)用
當(dāng)前，深度學(xué)習(xí)技術(shù)與超構(gòu)表面（metasurface）全息成像技術(shù)的融合，有力推動(dòng)了光學(xué)成像領(lǐng)域的發(fā)展。得益于超構(gòu)表面對(duì)光波特性的精準(zhǔn)調(diào)控，全息成像技術(shù)經(jīng)處理后可生成對(duì)應(yīng)的三維圖像。因此，二者的結(jié)合可實(shí)現(xiàn)高質(zhì)量圖像的獲取。基于神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)方法進(jìn)行超構(gòu)表面設(shè)計(jì)的文章數(shù)量日益增多，但關(guān)于該主題的綜述仍較為匱乏。據(jù)麥姆斯咨詢報(bào)道，近期，中國(guó)計(jì)量大學(xué)田穎教授等人 -
發(fā)布了文章 2026-04-08 14:41
機(jī)器學(xué)習(xí)特征工程：縮放、編碼、聚合、嵌入與自動(dòng)化
本文轉(zhuǎn)自：DeepHubIMBA好模型的秘訣不在于更花哨的算法，而在于更好的特征。第1部分：數(shù)值特征1.1縮放多數(shù)機(jī)器學(xué)習(xí)算法對(duì)尺度敏感。一個(gè)取值范圍在0到1,000,000的列，會(huì)在訓(xùn)練中壓制一個(gè)取值范圍僅0到1的列。常用的三種縮放器各有適用場(chǎng)景：StandardScaler適合近似正態(tài)分布的數(shù)據(jù)，也是最常見(jiàn)的選擇；MinMaxScaler將值壓縮到0和1748瀏覽量 -
發(fā)布了文章 2026-04-07 14:42
汽車芯片安全，迫在眉睫
安全必須被視為首要架構(gòu)約束條件，從芯片設(shè)計(jì)之初就融入其中。芯片領(lǐng)域最緊迫的安全挑戰(zhàn)，已不再是抽象的抗量子算法選型，或是后期追加安全功能。這些挑戰(zhàn)本質(zhì)是必須在設(shè)計(jì)早期就做出的架構(gòu)決策，且要在面積、功耗、性能、成本的現(xiàn)實(shí)約束下，兼顧產(chǎn)品超長(zhǎng)使用壽命。若干安全問(wèn)題已直接影響芯片架構(gòu)，包括將后量子密碼算法集成到實(shí)際硬件、數(shù)學(xué)安全算法與物理安全實(shí)現(xiàn)之間的差距不斷擴(kuò)大，1.5k瀏覽量 -
發(fā)布了文章 2026-04-03 14:56
《具身智能數(shù)據(jù)行業(yè)研究》正式發(fā)布，洞見(jiàn)數(shù)據(jù)機(jī)遇與挑戰(zhàn)
具身智能不是單純的機(jī)器人產(chǎn)業(yè)，而是人工智能從數(shù)字世界的“認(rèn)知智能”向物理世界的“行動(dòng)智能”的跨越。人工智能逐漸進(jìn)入物理世界的浪潮，將是一個(gè)比互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)更具想象力的時(shí)代，通往這一未來(lái)的道路注定漫長(zhǎng)而艱辛，這不會(huì)是一次ChatGPT式的突變，而是一場(chǎng)以五年、十年、二十年為尺度的漸進(jìn)式演進(jìn)。具身智能作為一種前沿交叉技術(shù)，已經(jīng)如神經(jīng)網(wǎng)絡(luò)般延伸 -
發(fā)布了文章 2026-04-02 11:00
車載以太網(wǎng)，速度直指Tbps？
要點(diǎn)總結(jié)：汽車以太網(wǎng)，特別是10BASE-T1S，正在成為車載網(wǎng)絡(luò)中CAN的替代品，預(yù)計(jì)未來(lái)自動(dòng)駕駛和聯(lián)網(wǎng)汽車將擁有更高的速度。汽車領(lǐng)域向以太網(wǎng)的過(guò)渡并非普遍現(xiàn)象；一些原始設(shè)備制造商(OEM)可能由于成本原因在某些領(lǐng)域保留CAN或LIN，而且集成各種以太網(wǎng)標(biāo)準(zhǔn)在技術(shù)上是可行的，但很復(fù)雜。汽車以太網(wǎng)的應(yīng)用仍然面臨諸多挑戰(zhàn)，包括噪聲、測(cè)試和互操作性2.3k瀏覽量
