为什么AI应用程序需要重新思考从内存结构到不同IP块之间的数据流的一切。
人工智能(AI)的发展要求半导体公司重新架构其片上系统(SoC)设计，以提供更可扩展的性能、灵活性、效率和集成度。从边缘到数据中心，AI应用程序需要重新思考内存结构、异构处理器和硬件加速器的数量和类型，并仔细考虑如何在各种高性能IP块之间启用和管理数据流。
如需阅读更多，请点击在这里．
评论＊
的名字＊(注:此名称将公开显示)
电子邮件＊(不会公开展示)
Δ
开源处理器核心开始出现在异构的soc和包中。
异质集成的好处是众所周知的，但是实现它并不容易。
127家创业公司融资26亿美元;数据中心连接、量子计算和电池吸引了大量资金。
在不同的设计、不同的用例中，热不匹配会影响从加速老化到翘曲和系统故障的一切。
EDA社区如何准备应对即将到来的挑战尚不清楚。
先进的蚀刻技术是纳米片fet的关键未来节点的演化路径。
从特定的设计团队技能，到组织和经济影响，向定制硅的转变正在改变一切。
近50家公司超过5000亿美元新投资的细节;扩张热潮的背后是什么，为什么是现在，以及未来的挑战。
新的存储方法和CMOS扩展的挑战指向半导体设计的根本变化和潜在的巨大改进。
内存层次结构中的变化是稳定的，但是访问内存的方式和位置会产生很大的影响。
完全自动驾驶汽车将需要能够边驾驶边学习的人工智能。
留下回复