- Advertisement -
首頁 標籤 Xilinx

Xilinx

- Advertisment -

賽靈思新RFSoC DFE推促5G無線電大規模部署

賽靈思(Xilinx)日前宣布推出Zynq RFSoC DFE(Digital Front-End),這是一款為滿足不斷演進的5G NR無線應用標準而推出的自行調適無線電平台。Zynq RFSoC DFE結合硬化的數位前端(DFE)模組與靈活應變的可編程邏輯,為涵蓋低、中、高頻段的廣泛應用打造高效能、低功耗且高成本效益的5G NR無線電解決方案。Zynq RFSoC DFE在採用硬化模組的ASIC的成本效益、可編程與自行調適SoC的靈活性、可擴展性與上市時間等優勢之間,取得了最佳技術平衡。 5G無線電所需的解決方案不僅要滿足廣泛部署所需的頻寬、功耗和成本要求,還必須符合三大關鍵5G實際應用:增強型行動寬頻(eMBB)、巨量物聯通訊(mMTC)及高可靠低延遲通訊(URLLC)。此外,該解決方案必須能隨不斷演進的 5G標準進行擴展,如OpenRAN(O-RAN)、全新的破壞式5G商業模式。Zynq RFSoC DFE整合了硬化的DFE應用專用模組,以實現5G NR效能並降低功耗,同時還提供了靈活性,能整合可編程自行調適邏輯,從而為日益發展的5G 3GPP和O-RAN無線電架構提供能迎向未來的解決方案。 賽靈思執行副總裁暨有線與無線事業部總經理Liam Madden表示,賽靈思首次為無線電平台提供比自行調適邏輯更堅固的硬化應用專用IP,以滿足低功耗和低成本的5G需求。市場需求隨著5G的演進而日益成長,整合式的RF解決方案也必須持續因應未來的標準。Zynq RFSoC DFE在靈活應變能力與固定功能IP之間達成了平衡。
0

超微/賽靈思達成換股合併協議 交易總價值350億美元

日前超微半導體(AMD)以350億美元全股票交易收購FPGA廠商賽靈思(Xilinx),AMD同時宣布第三季的業績高於預期,同時提高對第四季業績的預估。收購賽靈思將協助AMD在資料中心方面與英特爾(Intel)保持競爭關係,同時FPGA在市場上的接受度越來越高。緊接在NVIDIA以400億美元收購Arm之後,此次的收購案也符合晶片產業邁向整合的趨勢。 AMD以350億美元全股票交易收購FPGA廠商賽靈思 收購後,賽靈思股東持有的每股賽靈思股票,將轉換為1.7234股的AMD普通股。雖然AMD的金流大幅少於英特爾,但是Zen/Zen 2架構過去幾年間的市占率佳,因此其股價大漲,自2018年以來上漲兩倍。 目前AMD將在這一季向雲端客戶交貨下一代的伺服器晶片Milan,而賽靈思正在更新可編程晶片產品Versal ACAP,該晶片可望協助資料中心處理人工智慧帶來的大量運算需求。值得一提的是,在超微與賽靈思宣布合併的當天,賽靈思還發表了一款針對5G無線電單元(RU)設計的新一代Zynq RF SoC DFE。藉由將大量RF訊號處理矽智財(IP)硬化,該晶片的性能比先前的產品大幅提升,功耗也明顯降低,更可簡化5G基地台設備的設計複雜度。藉由與賽靈思合併,超微也同時在5G電信設備的晶片市場建立起一定的地位。 據外媒報導,Moor Insights&Strategy分析師Patrick Moorhead認為,AMD的收購行動大膽且合理,也帶來值得期待的前景。相信AMD及賽靈思都會持續成長,尤其長期而言,賽靈思創造了更高的產品多元性,能夠應用在不同的市場與產品。 超微執行長Lisa Su在投資人電話會議中指出,賽靈思與超微不僅產品線高度互補,就連技術、IP跟代工夥伴方面,都有許多可以發揮綜效的地方。因此,在超微與賽靈思合併後,除了能為高性能運算、資料中心市場提供更完整的解決方案外,在產品的設計、生產方面,也可以帶來擴大經濟規模、壓縮學習曲線等好處。 此外,從超微的觀點,賽靈思的嵌入式產品線是非常「美麗」的,這個市場具有產品生命週期長、需求穩定且毛利相當高的特色,且其中不乏某些超微目前還比較少布局,但日後一定要加碼投入的垂直市場,例如汽車電子。因此,不管是從財務、營運或長期趨勢的角度,超微與賽靈思合併後的前景,都是十分值得期待的。
0

顯示真實世界 Xilinx發表FPGA時序控制器解決方案

近年來,感光元件與顯示器持續發展高動態範圍(High Dynamic Range, HDR)技術,希望呈現更貼近人眼所觀察到的真實世界,業界晶片、顯示面板、PC、系統廠商均參與制定HDR標準。在同一個場景,人眼可以感受到的明暗變化範圍較大,相較於目前的感光元件能夠看到更明亮的光位、更深黯的暗位,以及最亮與最暗的明顯對比,賽靈思(Xilinx)發表FPGA時序控制器(Timing Controller, TCON)解決方案,提供顯示器廠商更豐富的顯示效果。 圖1 高動態範圍HDR是結合廣色域WCG與高亮度範圍HLR 為了呈現更貼近人眼所觀察到的真實世界,忠實表現出從太陽光射到無光射陰影處這樣大的範圍,各家影音製造廠商無一不以提高影像的動態範圍為目標,Xilinx大中華區核心市場事業部市場及業務開發總監酆毅表示,HDR可以還原更多的圖像細節,在較暗色度區域獲取更多的細節表現,顯示出更多的深度和內容。 酆毅強調,HDR的概念,非常容易被誤解為高對比或高亮度,但真正的HDR應該是廣色域加上高亮度範圍,事實上是一個二維色度範圍,再加上一個一維的亮度範圍,兩個整合在一起,變成三維的概念。以圖1(左)為例,傳統的高解析顯示器所能看到的是REC709,是這個圖裡最小的三角形。但是UHD或者4K,是外部這個更大的三角形。到了8K,或者REC2020,能看到的是更大的三角形。對於亮度範圍,一般稱為伽馬曲線,對於攝影機的採集內容,實際上是一個光電傳輸函數,對於顯示器來說,是一個電光傳輸函數,所謂的光電轉換和電光轉換,正好是相輔相成相轉換的。 不同的顯示技術有自己的電光轉換曲線,與顏色表現曲線,以目前主要的三種顯示技術LCD、OLED、MicroLED為例,酆毅提到,OLED的亮度約800nits,MicroLED則可以做到4000nits,量子點可以做到1000nits。但是對於黑色表現來說,OLED可以做到接近於0或0.0001,但是量子點或LCD螢幕,則可能做到0.005,也就是說每一種螢幕的色度空間和亮度範圍,動態範圍是不一樣的,可以把它分解成兩部分,一個是亮度轉換,另外一個是顏色轉換。 顯示器基於其顯示原理與技術架構,都必須要進行顏色轉換,面對不同的顯示技術,必須解決TCON晶片裡面的色調映射和色量轉換問題,而這個轉換是根據每個顯示技術的不同,螢幕的種類不同和每個面板廠的設計不同而有所差別。酆毅指出,由於FPGA邏輯的可程式設計性,不管是LCD的演算法、OLED演算法、MicroLED演算法,FPGA TCON可以搭配任何面板、背光與介面。 TCON的影像處理就是色域色調的轉換,有些TCON還會整合圖像的縮放功能,比如說smart TCON。傳統的TCON架構是四級的設計,包括三個晶片;搭配FPGA的TCON設計,結構可以簡化成三級,少掉V-by-One晶片,只剩下兩個晶片,可以在FPGA設計裡完全被剔除掉,可以簡化智慧電視的設計。
0

賽靈思/德國馬牌攜手開發自駕車可投產4D成像雷達

賽靈思(Xilinx)與德國馬牌(Continental)日前宣布,賽靈思的Zynq Ultra Scale+ MPSoC平台將支援德國馬牌的新型先進雷達感測器(ARS)540,兩家公司攜手開發首款已可投產的車用4D成像雷達。這項合作將使新生產的車款搭載ARS540以實現SAE J3016 L2的功能,並為達成L5的自動駕駛系統預先做好準備。 4D成像雷達能透過距離、方位、仰角和相對速度確定物體位置,進而提供詳細的駕駛環境資訊,這是僅蒐集速度和方位資料的傳統汽車雷達系統無法提供的全新功能。德國馬牌的ARS540是一款高階長距離4D成像雷達,不僅擁有高解析度,且偵測距離長達300公尺。它的視野寬度為±60°,可實現多重假設追蹤(Multiple Hypothesis Tracking),為駕駛提供精確的預測,而這對於處理複雜的駕駛狀況來說至關重要,例如偵測橋下交通堵塞的情況。此外,ARS540系統擁有較高的水平解析度和垂直解析度,便於偵測道路上的潛在危險物體並做出適當反應。ARS540充分展現這款感測器可擴展的應用能力,不僅能支援由人類駕駛負責監控車輛的SAE L2,還能提升至L5的全自動駕駛。 德國馬牌雷達專案管理負責人Norbert Hammerschmidt表示,賽靈思Zynq UltraScale+ MPSoC平台提供ARS540所需的高效能和先進的DSP功能,並結合了靈活應變能力,給予該公司市場的網路介面選擇。這些網路介面能處理在高集合傳輸率下的多種天線資料。德國馬牌近期與歐美頂尖的OEM贏得了多項設計,並持續與全球的OEM商討ARS540的採用事宜。如今,該公司對於延續與賽靈思的長期合作夥伴關係,並推出有潛力拯救生命的技術深感自豪。 賽靈思車規級(Xilinx Automotive, XA)Zynq UltraScale+ MPSoC是一種靈活應變的平台,使德國馬牌的4D成像雷達可適用於多種感測器平台配置,並且靈活適應OEM的規格。它為元件的可編程邏輯提供最佳平行處理效能,幫助實現ARS540 4D感測中完全獨立卻又能同時處理的關鍵流程。大量的DSP片(Slice)可為即時雷達感測器輸入提供硬體加速。 Yole Dévelopement(Yole)射頻設備與技術部門的技術與市場分析師Cédric Malaquin評論,4D成像雷達可提供更遠的偵測距離、更寬廣的視野和更深入的感知,是能夠幫助 L2到L5的開發者打造更安全的駕駛環境的重要感測器。該公司預計4D成像雷達將首先應用在豪華轎車和自駕計程車,市場規模預估將超過5.5億美元,且2020年到2025年間的複合年增長率(CAGR)將達到124%。透過合作開發這種新款的感測器模組,賽靈思與德國馬牌將帶來良好的市場機會。
0

賽靈思助百度自動駕駛平台ACU量產

賽靈思(Xilinx)日前宣布,搭載賽靈思車規級晶片Zynq UltraScale+ MPSoC的百度車載運算平台ACU(Apollo Computing Unit)於偉創力的中國蘇州廠正式量產,這款硬體平台將率先應用於Apollo Valet Parking(AVP)自動代客停車產品。百度表示已經與多家OEM達成合作協定,其中中國新興車廠威馬汽車將在今年的車款率先搭載百度AVP產品。 百度自動駕駛運算平台 (資料來源:賽靈思) 百度自動駕駛技術部總經理王雲鵬表示,百度持續深耕自動駕駛領域並累積經驗,ACU進入量產意味著團隊已顯著強化車規級功能安全、自動駕駛產品商業化及軟硬體供應鏈管理等方面的能力。將攜手業界的合作夥伴,共同致力於ACU的研發設計。賽靈思作為國際FPGA供應商,為百度ACU提供了核心處理晶片,是其他解決方案無法提供的車規級量產效能。 百度ACU是量產型自動駕駛車載運算單元,包含多個系列產品以因應不同場景的運算需求,ACU生產線目前的年產能可達20萬套。其中,ACU-Advanced是業界首創的自動代客停車專用車載運算平台,提供整合軟硬體的解決方案。傳統的自動代客停車功能主要仰賴超音波雷達,而且在環境感測上必須更安全,所以需要結合停車系統進行更複雜的感測器融合,以良好的深度學習推論能力和運算力來處理複雜的駕駛環境。借助賽靈思車規級、異質多核的Zynq UltraScale+ 5EV平台的感測器和AI處理能力,新平台可支援多達5個攝影機、12個超音波雷達,同時預設毫米波雷達和光達介面,並相容於百度飛漿(PaddlePaddle)深度學習框架,以支援演算法的快速反覆運算和升級。 賽靈思擁有超過20年的汽車產業經驗,近14年來皆維持兩位數的出貨成長,尤其28奈米和16奈米產品系列的成功,成為賽靈思汽車業務成長的驅動力。賽靈思至今已在全球累計銷售超過1.9億片車規級晶片,其中7,500萬片用於量產型先進駕駛輔助系統(ADAS)。賽靈思服務的汽車企業超過200家,包括全球主要的汽車供應商、OEM和新創企業。
0

賽靈思新型Virtex UltraScale+ 支援高速傳輸與高頻寬記憶體

賽靈思(Xilinx)宣布Virtex UltraScale+系列產品再添新成員—VU57P FPGA。這是一款新型高頻寬記憶體(HBM)元件,能夠在極快速度、低延遲和低功耗需求下傳輸大量資料,同時融合了一系列適用於資料中心及有線與無線通訊中的眾多應用。 與DDR4等分離式標準型記憶體(Discrete Commodity Memories)相比, VU57P FPGA的記憶體頻寬和容量大幅提高,是延遲敏感型工作負載的優良選擇。它整合低功耗運算力與高達460GB/s的記憶體頻寬和容量,同時採用最先進的PAM4高速收發器,與主流25G收發器相比可實現兩倍的傳輸速率。整合的HBM控制器和AXI埠交換器可提供對整個16G HBM記憶體連續存取。 HBM FPGA的特別之處在於整合AXI埠交換器,可從任意AXI埠存取任意的記憶體位置,節省25萬個查找表、37萬個正反器和超過4W的功耗。該交換器不但能夠縮小設計尺寸、簡化設計,而且還有助於達成時序收斂、加快產品的上市速度並降低營運成本(OPEX)。此外,此款新元件還整合了高速連接,如採用RS-FEC模組的100G乙太網路、150G Interlaken、PCIe Gen4等,協助簡化設計工作並加快上市速度。
0

賽靈思推高品質低成本影音直播串流用即時伺服器設備

賽靈思(Xilinx)日前宣布推出兩款易於擴展、超高密度視訊轉碼專用的即時運算視訊設備,應用。這兩款新設備是以新的賽靈思即時伺服器(RT Server)參考架構所打造,讓服務供應商能夠以每通道最低成本優化影像品質和位元率(bitrate),提供如電競和遊戲串流平台、社交和視訊會議、即時遠端學習、遠距醫療和即時廣播視訊等應用,大幅降低基於軟體架構和固定架構解決方案的總體擁有成本(TCO)。 新型賽靈思即時視訊設備,專為邊緣和本地運算密集型作業負載而設計,這類作業負載對視訊通道密度、傳輸量和延遲往往具有嚴格要求,而新型設備優化了硬體架構與軟體,可提供業界最高的通道密度和最低的延遲。新推出的設備整合賽靈思Alveo資料中心加速器卡,並提供兩款預先配置供客戶選擇,包括高通道密度視訊轉碼設備(High Channel Density Video Appliance)和超低位元率視訊轉碼設備(Ultra-Low Bitrate Video Appliance)。 賽靈思資料中心事業群行銷副總裁Donna Yasay表示,隨著影音串流量呈指數型增長,架構優化變得更加重要。在當前COVID-19疫情期間,人們都在經歷著遠距工作、學習和娛樂環境,並行通道用量的大幅成長正衝擊服務供應商的商業模式,且不斷提高頻寬成本。賽靈思全新的即時伺服器參考架構,能協助解決方案供應商最大限度地節省成本,並同時提供高品質的影音串流服務。 高通道密度視訊設備是為了達成最低的單通道成本所開發,它整合了多達八張Alveo U30資料中心加速器卡,該加速器卡也於今天正式推出。新款Alveo U30以外形小巧的PCIe加速器卡滿足對高密度視訊處理的需求。Alveo U30由Zynq UltraScale+ MPSoC所驅動,是功耗優化型的完全可編程系統單晶片(SoC),具有用於超高解析度影像且整合的視訊編解碼器和繪圖引擎。此外,Alveo U30還能同時支援H.264和HEVC(H.265)編解碼器,每張卡可串流傳輸多達16個1080p30通道。 為低位元率優化的視訊轉碼設備是專為高品質影音直播並同時降低頻寬成本所打造,最多能容納八張Alveo U50加速器卡。Alveo U50是基於賽靈思UltraScale+架構設計,並採用高效的75瓦小型封裝,內含8GB HBM2、100GbE網路和PCI Express 4.0。Alveo U50能夠串流傳輸多達七個全高解析度1080p60通道及八個完整的ABR ladders(全部為x265 medium...
0

串流服務需求強勁 賽靈思發表影音伺服器參考架構

賽靈思(Xilinx)近日發表兩款易於擴展、超高密度視訊轉碼專用的即時運算視訊設備設計參考架構。這兩款新設備是以新的賽靈思即時伺服器(RT Server)參考架構所打造,讓服務供應商能以最低的每通道成本將影像品質和位元率最佳化,提供如電競和遊戲串流平台、社交和視訊會議、即時遠端學習、遠距醫療和即時廣播視訊等應用。與基於軟體和固定硬體架構解決方案相比,賽靈思推出的參考架構具備總體擁有成本(TCO)更低的優勢。 賽靈思資料中心事業群行銷副總裁Donna Yasay表示,隨著影音串流量呈指數型增長,架構優化變得更加重要。在當前COVID-19疫情期間,我們都在經歷著遠距工作、學習和娛樂環境,並行通道用量的大幅成長正衝擊服務供應商的商業模式,且不斷提高頻寬成本。賽靈思全新的即時伺服器參考架構,能協助解決方案供應商最大限度地節省成本,並同時提供高品質的影音串流服務。 賽靈思這次推出的兩款參考架構是專為邊緣和本地運算密集型作業負載而設計,這類作業負載對視訊通道密度、傳輸量和延遲往往具有嚴格要求,而新型設備優化了硬體架構與軟體,可提供業界最高的通道密度和最低的延遲。新推出的設備整合賽靈思Alveo資料中心加速器卡,並提供兩款預先配置供客戶選擇,包括高通道密度視訊轉碼設備(High Channel Density Video Appliance)和超低位元率視訊轉碼設備(Ultra-Low Bitrate Video Appliance)。 由於影音串流服務需求暴增,賽靈思推出專為影音轉碼與影音串流應用設計的影音伺服器設計參考架構。 高通道密度視訊設備是為了達成最低的單通道成本所開發,它整合了多達八張Alveo U30資料中心加速器卡,該加速器卡也於今天正式推出。新款Alveo U30以外形小巧的PCIe加速器卡滿足對高密度視訊處理的需求。Alveo U30由Zynq UltraScale+ MPSoC所驅動,是功耗優化型的完全可編程系統單晶片,具有用於超高清影像且整合的視訊編解碼器和繪圖引擎。此外,Alveo U30還能同時支援H.264和HEVC(H.265)編解碼器,每張卡可串流傳輸多達16個1080p30通道。   為超低位元率優化的視訊轉碼設備是專為高品質影音直播並同時降低頻寬成本所打造,最多能容納八張Alveo U50加速器卡。Alveo U50是基於賽靈思UltraScale+架構設計,並採用高效的75瓦小型封裝,內含8GB HBM2、100GbE網路和PCI Express 4.0。Alveo U50能夠串流傳輸多達七個全高清1080p60通道及八個完整的ABR ladders(全部為x265 Medium...
0

賽靈思新FPGA產品亮相 優化網路連結暨儲存

賽靈思(Xilinx)日前宣布推出專為網路連結和儲存加速而優化的 UltraScale+ FPGA 產品系列最新成員Virtex UltraScale+ VU23P FPGA,透過獨特的方式綜合多種資源,實現更高效率的資料封包處理(Packet Processing)和可擴展的資料頻寬,致力於為網路連結和儲存應用帶來突破性的效能。在資料量呈指數級成長的今天,各界對於智慧化、靈活應變的網路和資料中心解決方案有極高的要求,而全新VU23P FPGA能為產業提供較大傳輸量、強大的資料處理能力以及靈活性的優勢,使其可以適應不斷演進的連接標準,並滿足當前與未來的需求。 VU23P 具備一系列卓越的特性,它在 Virtex UltraScale 產品組合中實現最高的查找表(Look-up Table)和嵌入式記憶體(Block RAM)與DSP slice的比例,能夠在尺寸和功率不變的情況下進行高傳輸量處理。它採用 35mm×35mm 小型封裝,尺寸小卻能提供較強運算力,使之成為SmartNIC 等高密度伺服器環境的選擇。該元件的 58G PAM4 收發器可支援高達 200G 的...
0

關鍵應用含金量高 手機/汽車AI吸引大廠競折腰

AI新興應用持續推進 自2018年起,在演算法層面,AI已經相對成熟,賽靈思(Xilinx)人工智慧業務高級總監姚頌(圖1)提到,目前應用層面還在不斷進展的是神經結構搜索(Neural Architecture Search, NAS)相關的領域,希望透過電腦自動找到最佳演算法結構、減輕演算法工程師的負擔。MIT的韓松教授推出One-For-All神經網路,可以訓練一個複雜的網路,針對不同場景的需求(高精準度、低延遲等),自動選擇部分子網路來滿足要求。2020年,對於邊緣運算解決方案需求最大的還是手機與汽車,二者共同的特點都是無論網路與通訊狀況如何,都需要AI做出迅速的反應。 圖1 賽靈思人工智慧業務資深總監姚頌 姚頌進一步指出,手機、平板電腦已經從通訊工具,升級為娛樂工具,再升級為邊緣的核心設備。除iPhone全系列產品已經搭配了用於FaceID的結構光相機,需要即時、私密的AI識別之外,最新推出的iPad Pro,還新增了dToF的微型雷射雷達,可以進行高精度測距、實現良好的AR效果,而AR也是AI的一個重要應用場景。另外,2020年在自動/輔助駕駛、智慧車艙已全面採用AI,特別是隨著電動車的推廣,汽車被視為下一個智慧終端裝置。 過去影像辨識與語音辨識通常是各自發展的應用,主要原因是影像採用卷積神經網路(Convolutional Neural Network, CNN),語音使用遞歸神經網路(Recurrent Neural Networks, RNN),然而近期Google公開演示了使用CNN網路進行語音辨識,也開啟了影像與語音辨識複用的可能,NVIDIA技術行銷經理蘇家興(圖2)認為,目前已有應用同時導入兩種辨識技術,讓人機溝通更自然,雖然目前還不是使用同一套網路,但或許不久的將來就會相互整合。 圖2 NVIDIA技術行銷經理蘇家興 手機/汽車AI競爭如神仙打架 手機與汽車是兼具雲端與終端的裝置,一方面需要強大的運算效能,一方面對耗電非常在意,這類產品也被看好具有高度潛力,於是大廠的邊緣應用都投注心力在這兩類產品。姚頌表示,AI晶片除了性能需求足夠出色,更重要的是需要有簡單易用的開發環境、豐富的生態以及滿足使用場景的產品功能。賽靈思2019年推出了全新的軟體發展環境Vitis與Vitis AI,就是旨在協助不同開發者輕鬆地開發AI應用。而針對AI產業的Vitis AI以及Vitis AI Library,可以允許演算法工程師直接在提供的大量案例上二次開發,也可以透過簡單的命令與腳本編寫完成AI演算法的編譯與執行。 在晶片層面,賽靈思推出了新的車規級運算平台XAZU7與XAZU11,可以廣泛用於L2到L3的輔助駕駛與自動駕駛場景,也可以用於智慧車艙的各類應用。到目前為止,Vitis AI已經發布了最新的1.1版本。而賽靈思的自動/輔助駕駛方案也得到戴姆勒、百度等汽車產業認可。 另外,NVIDIA在GTC也公布新一代自駕車平台Orin,將整合具新一代TensorCore之Ampere架構GPU,針對L2的標準可在45W耗電水準下,提供200TOPS性能的版本;針對先進輔助駕駛的Orin ADAS SoC,可在5W功耗提供10TOPS的性能,能夠滿足當前先進輔助駕駛的需求。標準的Orin採用12核Arm Herculus CPU搭配Ampere GPU,記憶體頻寬達200GB/s,與支援四路10Gbps乙太網路,具備170億個電晶體。在L5自動駕駛平台部分,NVIDIA藉由雙Orin搭配兩組Ampere架構GPU組成,功耗800W,但算力可達2,000TOPS。 而在CES 2020,高通發表Snapdragon Ride平台,正式進軍自駕車領域。該平台共有三種不同的配置,其中,單處理器版已經足夠應付ADAS系統;雙ADAS處理器版本,算力則更進一步強化,同時也為系統準備了安全備援,可以支援L2和L3半自動駕駛。第三種配置則在上面的基礎上多了加速晶片,三晶片版本的配置包括兩塊ADAS處理器外加自動駕駛加速器,算力可達400TOPS。 關鍵應用投入大量資源/時間 除了汽車與手機之外,蘇家興表示,智慧醫療、5G等應用也需要高運算力,而由於AI模型發展越來越複雜,在業界希望賦予AI更多能力的前提下,導致資料庫越加龐大,所以在訓練過程中希望可以優化網路,以提升整體系統的效率。 AI晶片在重要裝置如手機、汽車等平台的發展目前由大廠主導,除了含金量高之外,這類平台的應用需要整合許多相關資源,與雲端的網路訓練關係也很密切,如自駕車就需要非常龐大的網路資料庫輔助,目前相關廠商已累積不下數百萬英哩的測試里程,但實際上離自駕車可以安全上路還有很長一段距離;另外,智慧醫療除了資料數量之外,更要求資料品質,而且醫療行為攸關人命,發展過程會更加謹慎。相信未來幾年,人工智慧還會發生更多有趣的事,開創更多可能性,值得市場持續關注。
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -