一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

集成芯原神經(jīng)網(wǎng)絡(luò)處理器IP的AI類芯片已在全球范圍出貨超1億顆

芯原VeriSilicon ? 來源:芯原VeriSilicon ? 2024-02-29 09:30 ? 次閱讀

2024年2月29日,中國(guó)上海——芯原股份 (芯原,股票代碼:688521.SH) 今日宣布集成了芯原神經(jīng)網(wǎng)絡(luò)處理器 (NPU) IP的人工智能 (AI) 類芯片已在全球范圍內(nèi)出貨超過1億顆,主要應(yīng)用于物聯(lián)網(wǎng)、可穿戴設(shè)備、智慧電視、智慧家居、安防監(jiān)控、服務(wù)器、汽車電子、智能手機(jī)、平板電腦、智慧醫(yī)療等10個(gè)市場(chǎng)領(lǐng)域。在過去七年里,芯原在嵌入式AI/NPU領(lǐng)域全球領(lǐng)先,其NPU IP已被72家客戶用于上述市場(chǎng)領(lǐng)域的128款A(yù)I芯片中。

芯原的NPU IP是一款高性能的AI處理器IP,采用了低功耗、可編程和可擴(kuò)展的架構(gòu)設(shè)計(jì)。它可以靈活配置,以滿足客戶對(duì)芯片尺寸和功耗的不同要求,使之成為具有成本效益的神經(jīng)網(wǎng)絡(luò)加速引擎。該IP還配備了廣泛且成熟的軟件開發(fā)工具包 (SDK),支持所有主流的深度學(xué)習(xí)框架,以確??蛻舢a(chǎn)品能夠快速投放市場(chǎng)。

芯原最新推出的VIP9000系列NPU IP提供了可擴(kuò)展和高性能的處理能力,適用于Transformer和卷積神經(jīng)網(wǎng)絡(luò) (CNN)。結(jié)合芯原的Acuity工具包,這款強(qiáng)大的IP支持含PyTorch、ONNX和TensorFlow在內(nèi)的所有主流框架。此外,它還具備4位量化和壓縮技術(shù),以解決帶寬限制問題,便于在嵌入式設(shè)備上部署生成式人工智能 (AIGC) 和大型語言模型 (LLM) 算法,如Stable Diffusion和Llama 2。

通過利用芯原的FLEXA技術(shù),VIP9000還能與芯原的圖像信號(hào)處理器 (ISP) 及視頻編碼器無縫集成,實(shí)現(xiàn)低延遲的AI-ISP和AI-Video子系統(tǒng),且無需DDR內(nèi)存。它還可以針對(duì)特定需求進(jìn)行定制,以平衡成本和靈活性,從而適應(yīng)對(duì)功耗和空間有嚴(yán)格限制的深度嵌入式應(yīng)用環(huán)境。

“從微控制器到高性能應(yīng)用處理器,AI功能已成為各類智能設(shè)備不可或缺的一部分。基于在圖形處理器 (GPU) 領(lǐng)域的深厚技術(shù)積累,我們?cè)O(shè)計(jì)出了低功耗、可編程且可擴(kuò)展的NPU處理器IP,它能高效地處理各類神經(jīng)網(wǎng)絡(luò)和計(jì)算任務(wù),最小化數(shù)據(jù)傳輸,而這些都是推動(dòng)嵌入式智能設(shè)備發(fā)展的關(guān)鍵要素。”芯原執(zhí)行副總裁、IP事業(yè)部總經(jīng)理戴偉進(jìn)表示,“隨著AI技術(shù)的快速演進(jìn),我們已經(jīng)達(dá)到了類似人類的推理水平,為智能助手的發(fā)展提供了堅(jiān)實(shí)的技術(shù)基礎(chǔ)。芯原正利用自有的高效AI計(jì)算能力,以及在超過1億顆AI類芯片中的部署經(jīng)驗(yàn),為嵌入式設(shè)備帶來服務(wù)器級(jí)別的AIGC功能?!?/p>





審核編輯:劉清

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 處理器
    +關(guān)注

    關(guān)注

    68

    文章

    19748

    瀏覽量

    232958
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4797

    瀏覽量

    102405
  • 人工智能
    +關(guān)注

    關(guān)注

    1804

    文章

    48477

    瀏覽量

    245160
  • 芯原
    +關(guān)注

    關(guān)注

    0

    文章

    103

    瀏覽量

    11635
  • AI芯片
    +關(guān)注

    關(guān)注

    17

    文章

    1959

    瀏覽量

    35620

原文標(biāo)題:采用芯原NPU IP的AI類芯片已在全球出貨超過1億顆

文章出處:【微信號(hào):VeriSilicon,微信公眾號(hào):芯原VeriSilicon】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    半導(dǎo)體年出貨1

    銷量創(chuàng)新高,再創(chuàng)新佳績(jī)!程碑,新起航!泰半導(dǎo)體年出貨1
    的頭像 發(fā)表于 12-12 15:16 ?663次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    在深度學(xué)習(xí)領(lǐng)域,神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù),如圖像識(shí)別、自然語言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩種常見的模型。
    的頭像 發(fā)表于 11-15 14:53 ?1390次閱讀

    “生成式AI”半導(dǎo)體需求飆漲,原微AI IP領(lǐng)域有哪些亮眼產(chǎn)品

    電子發(fā)燒友原創(chuàng) 章鷹 ? “原視頻處理器VPU全球第一,全球數(shù)字中心的許多客戶都采用我們的技術(shù)。AI領(lǐng)域
    的頭像 發(fā)表于 11-13 01:26 ?3442次閱讀
    “生成式<b class='flag-5'>AI</b>”半導(dǎo)體需求飆漲,<b class='flag-5'>芯</b>原微<b class='flag-5'>AI</b> <b class='flag-5'>IP</b>領(lǐng)域有哪些亮眼產(chǎn)品

    什么是神經(jīng)網(wǎng)絡(luò)加速?它有哪些特點(diǎn)?

    神經(jīng)網(wǎng)絡(luò)加速是一種專門設(shè)計(jì)用于提高神經(jīng)網(wǎng)絡(luò)計(jì)算效率的硬件設(shè)備。隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展和廣泛應(yīng)用,神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和計(jì)算量急劇增加,對(duì)計(jì)算性能的要求也越來越高。傳統(tǒng)的通用
    的頭像 發(fā)表于 07-11 10:40 ?817次閱讀

    rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò)

    RNN(Recurrent Neural Network)是循環(huán)神經(jīng)網(wǎng)絡(luò),而非遞歸神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時(shí)間序列特性的神經(jīng)網(wǎng)絡(luò),能夠處理
    的頭像 發(fā)表于 07-05 09:52 ?868次閱讀

    遞歸神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)

    。 遞歸神經(jīng)網(wǎng)絡(luò)的概念 遞歸神經(jīng)網(wǎng)絡(luò)是一種具有短期記憶功能的神經(jīng)網(wǎng)絡(luò),它能夠處理序列數(shù)據(jù),如時(shí)間序列、文本、語音等。與傳統(tǒng)的前饋神經(jīng)網(wǎng)絡(luò)不同
    的頭像 發(fā)表于 07-04 14:54 ?1286次閱讀

    循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

    結(jié)構(gòu)。它們?cè)?b class='flag-5'>處理不同類型的數(shù)據(jù)和解決不同問題時(shí)具有各自的優(yōu)勢(shì)和特點(diǎn)。本文將從多個(gè)方面比較循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別。 基本概念 循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有循環(huán)連接的
    的頭像 發(fā)表于 07-04 14:24 ?1810次閱讀

    人工智能神經(jīng)網(wǎng)絡(luò)芯片的介紹

    人工智能神經(jīng)網(wǎng)絡(luò)芯片是一專門為深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)的處理器。它們具有高性能、低功耗、可擴(kuò)展等特點(diǎn),廣泛應(yīng)用于圖像識(shí)別、語音識(shí)別、自然
    的頭像 發(fā)表于 07-04 09:33 ?1205次閱讀

    神經(jīng)網(wǎng)絡(luò)芯片與傳統(tǒng)芯片的區(qū)別和聯(lián)系

    引言 隨著人工智能技術(shù)的快速發(fā)展,深度學(xué)習(xí)算法在圖像識(shí)別、自然語言處理、語音識(shí)別等領(lǐng)域取得了顯著的成果。然而,深度學(xué)習(xí)算法對(duì)計(jì)算資源的需求非常高,傳統(tǒng)的計(jì)算芯片已經(jīng)無法滿足其需求。因此,神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-04 09:31 ?1533次閱讀

    神經(jīng)網(wǎng)絡(luò)芯片和普通芯片區(qū)別

    處理神經(jīng)網(wǎng)絡(luò)算法的芯片。它通過模擬人腦神經(jīng)元的工作方式,實(shí)現(xiàn)了對(duì)大量數(shù)據(jù)的并行處理和快速學(xué)習(xí)。 普通芯片
    的頭像 發(fā)表于 07-04 09:30 ?1835次閱讀

    反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域都有廣泛的應(yīng)用,如語音識(shí)別、圖像識(shí)別、自然語言處理等。然而,BP神經(jīng)網(wǎng)絡(luò)也存在一些問題,如容易陷入局部最優(yōu)解、訓(xùn)練時(shí)間長(zhǎng)、對(duì)初始權(quán)重敏感等。為了解決這些問題,研究者們提出了一些改進(jìn)的BP
    的頭像 發(fā)表于 07-03 11:00 ?1067次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的原理與實(shí)現(xiàn)

    1.卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡(jiǎn)稱CNN)是一種深度學(xué)習(xí)模型,廣泛應(yīng)用于圖像識(shí)別、視頻分析、自然語言處理等領(lǐng)域。 卷積神經(jīng)網(wǎng)絡(luò)是一種前饋
    的頭像 發(fā)表于 07-02 16:47 ?1042次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的基本原理和應(yīng)用范圍

    和應(yīng)用范圍。 一、卷積神經(jīng)網(wǎng)絡(luò)的基本原理 1. 卷積層(Convolutional Layer) 卷積層是CNN的核心組成部分,其主要功能是提取圖像中的局部特征。卷積層由多個(gè)卷積核(或?yàn)V波
    的頭像 發(fā)表于 07-02 15:30 ?1787次閱讀

    深度神經(jīng)網(wǎng)絡(luò)模型有哪些

    深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks,DNNs)是一具有多個(gè)隱藏層的神經(jīng)網(wǎng)絡(luò),它們?cè)谠S多領(lǐng)域取得了顯著的成功,如計(jì)算機(jī)視覺、自然語言處理、語音識(shí)別等。以下是一些常見
    的頭像 發(fā)表于 07-02 10:00 ?2166次閱讀

    如何訓(xùn)練和優(yōu)化神經(jīng)網(wǎng)絡(luò)

    神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域的重要分支,廣泛應(yīng)用于圖像識(shí)別、自然語言處理、語音識(shí)別等多個(gè)領(lǐng)域。然而,要使神經(jīng)網(wǎng)絡(luò)在實(shí)際應(yīng)用中取得良好效果,必須進(jìn)行有效的訓(xùn)練和優(yōu)化。本文將從神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程
    的頭像 發(fā)表于 07-01 14:14 ?798次閱讀