2019年AI芯片产业-ASIC是最有前景的研究方向

AI芯片介绍

细数AI芯片的实际应用

在深度学习的训练阶段需要极大的数据量和大运算量，单一处理器无法独立完成，因此训练环节只能在云端实现。云AI芯片的特点是性能强大、能够同时支持大量运算、并且能够灵活地支持图片、语音、视频等不同AI应用。我们现在使用的各种互联网AI能力(比如在线翻译、人证比对)，背后都有云AI芯片在发挥作用或提供算力。。。【详情】

芯片结构层次改造，“类脑芯片”实现AI芯片颠覆式性能提高

AI芯片技术研究方向多元化，ASIC的市场未来最明朗

AI芯片产业

人工智能芯片助力我国芯片产业弯道超车

芯片领域的市场格局基本上被美国、韩国和中国台湾控制,美国和韩国设计芯片，中国台湾生产芯片。人们常说的芯片主要是指电脑芯片和手机芯片,这两个领域的主流芯片都被美国公司英特尔的CPU和高通的RAM垄断,中国企业想打入这些领域非常困难。因为这些芯片和下游的软件联系在一起，客户具有很强的粘性,但人工智能的发展为我们提供了弯道超车的战略机遇。。【详情】

人工智能芯片完成技术新突破,产业和应用形态仍是重要课题

AI芯片市场

AI芯片落地产品的市场解读

2016年中国大陆市场智能手机出货量4.67亿部，占全球份额为31.77%;根据数据，2016年中国大陆品牌智能手机出货量6.29亿部，占全球份额为42.8%。在PC电脑方面，根据数据，2016年中国大陆PC电脑出货量0.8亿台，占全球份额为30.8%。2016年中国大陆(含在华国外企业)制造的智能手机占全球的74%，平板电脑占76%笔记本电脑占91%，显示器占88%，数字电视占49%，因此中国大陆电子市场对IC产品有着庞大的需求。。【详情】

市场合并和收购背后，AI芯片市场暴露出哪些问题

AI芯片市场（FPGA芯片）

能够实现可编程逻辑的FPGA，在投入到市场时受到哪些因素影响

FPGA的限制因素包括了成本、功耗和编程设计三方面。 　　FPGA的可编程逻辑功能让FPGA在投入市场时，具有自己的技术优势。使用FPGA还能够降低后期的维护成本，如果FPGA的价格降低到一定水平，FPGA能够实现对ASIC芯片的完全取代。。【详情】

差距巨大的FPGA行业，怎样才能完成技术和市场双向革新

从人工智能算法模型和指数级成本变化分析FPGA的未来发展

AI芯片市场（ASIC芯片）

ASIC需求持续上扬，大型企业和初创公司各有生存之道

2016 年，英伟达发布了专门用于加速 AI 计算的 Tesla P100 芯片，并且在 2017 年升级为 Tesla V100。在训练超大型神经网络模型时，Tesla V100 可以为深度学习相关的模型训练和推断应用提供高达 125 万亿次每秒的张量计算(张量计算是AI深度学习中最经常用到的计算)。然而在最高性能模式下，Tesla V100的功耗达到了300W，虽然性能强劲，但也毫无疑问是颗“核弹”，因为太费电了。。【详情】

AI芯片国际市场尚未成型，ASIC研究突破能提高芯片地位

AI芯片市场（类脑芯片）

类脑芯片产业化困难重重，材料和技术都是发展限制

全球最大的神经形态超级计算机SpiNNaker日前首次启用，它拥有100万个处理器内核，每秒可执行200万亿次操作，能够达到人脑百分之一的比例，是世界上第一个低功耗、大规模人脑数字模型。谷歌、英伟达、Facebook等巨头也在加大类脑芯片的研究。前几年大火的Google AlphaGo和英伟达的GPU以及Facebook大脑等，无一不借鉴或采用了最新的类脑芯片技术。。【详情】

受政府和市场支持，类脑芯片技术不断实现进展

AI芯片产品和企业动态

中国IC设计产业增速飞跃，为你盘点国内的几大芯片公司

芯片制造一直是国内企业的发展弱项，此前曾经引起广泛影响的中兴事件也是由于芯片技术的问题。但是国内在芯片制造方面也一直处于投入的阶段，国内也有一些出色的芯片公司。。【详情】

谷歌和苹果在AI芯片发力，人工智能促进边缘计算发展

AI芯片发展新动态，比特大陆转型AI设计

华为发布AI芯片，将怎样影响芯片市场?