SK电讯已推出自研AI芯片SAPEON X220，深度学习计算速度提升GPU 1.5倍
12月1日消息，据国外媒体报道，出于软硬件整合、向消费者提供更好体验、推出更好服务等方面的考虑，越来越多的厂商在研发芯片，人工智能方面较为明显，SK电讯就已推出了自研AI芯片SAPEON X220。
SK电讯目前已在官网公布了自研AI芯片SAPEON X220的消息，官网的信息显示，这一自研AI芯片SAPEON X220经过优化设计，用于更快的处理人工智能任务，通过高效的并行处理大量数据来减少对电力的消耗。
从SK电讯官网公布的数据来看，SAPEON X220深度学习计算速度为每秒6.7千帧，较AI服务公司目前广泛使用的GPU快1.5倍，同时对电力的消耗较AI服务公司常用的GPU减少20%，成本也降低了50%。
SK电讯方面还表示，他们自研的SAPEON X220 AI芯片，将通过对大量数据的快速计算来提高AI数据中心的性能，从而提供高质量的AI服务。
SAPEON X220 AI芯片很快就将在SK电讯相关的业务中应用，他们在官网上表示，从明年开始，SAPEON X220就将用于SK电讯的AI服务NUGU，改善语音识别能力。除了AI服务NUGU，SAPEON X220 AI芯片也将用于SK电讯旗下的其他公司。
责任编辑：PSY
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。
举报投诉
-
gpu
+关注
关注
28文章
5099浏览量
134468 -
SK海力士
+关注
关注
0文章
1003浏览量
40991 -
深度学习
+关注
关注
73文章
5590浏览量
123912 -
AI芯片
+关注
关注
17文章
2065浏览量
36570
发布评论请先 登录
相关推荐
热点推荐
DeepSeek最新论文：训练速度提升9倍，推理速度快11倍！
电子发烧友网报道（文/梁浩斌）周二xAI发布了Grok3，这个马斯克称之为“地球上最聪明的AI”抢占了所有人的眼球。 为了打造最强AI大模型，xAI投入了20万块H100 GPU，计算
为啥 AI 计算速度这么惊人？—— 聊聊 GPU、内存与并行计算
提到AI，大家常说它“算得快”，其实是指AI能在眨眼间处理海量数据。可它为啥有这本事？答案就藏在“GPU+高速内存+并行计算”这trio（组合）里。咱们可以把
苹果AI革命：M5芯片10核GPU、AI处理速度翻倍，Apple Glass在路上
三款核心设备。这一场苹果围绕M5芯片AI硬件的革新，也成为苹果迈进AI时代以端侧大模型和空间计算的又一成绩。 3nm+10核GPU革
【「AI芯片：科技探索与AGI愿景」阅读体验】+神经形态计算、类脑芯片
是 AI芯片发展的重要方向。如果利用超导约瑟夫森结(JJ)来模拟与实时突触电路相连的神经元,神经网络运行的速度要比目前的数字或模拟技术提升几个数量级。
1、超低温类脑
发表于 09-17 16:43
【「AI芯片：科技探索与AGI愿景」阅读体验】+第二章 实现深度学习AI芯片的创新方法与架构
的同时，能够利用更小、更快的数字格式，提升模型的整体性能。
1.3Transformer 模型中的矩阵乘法计算
2、存内计算AI芯片
存内
发表于 09-12 17:30
【「AI芯片：科技探索与AGI愿景」阅读体验】+AI芯片的需求和挑战
的工作吗？
从书中也了解到了AI芯片都有哪些？像CPU、GPU、FPGA、ASIC都是AI芯片。
其他的还是知道的，FPGA属于
发表于 09-12 16:07
【「AI芯片：科技探索与AGI愿景」阅读体验】+内容总览
是展望未来的AGI芯片，并探讨相关的发展和伦理话题。
各章的目录名称如下：
第1章 大模型浪潮下，AI芯片的需求与挑战免费
第2章 实现深度学习
发表于 09-05 15:10
AI 芯片浪潮下，职场晋升新契机？
对复杂场景中目标检测与识别的速度和精度。在此过程中，对算法的理解深度、芯片架构与算法的协同能力，都会成为职称评审中的加分项。
除技术能力外，创新能力同样不可或缺。AI
发表于 08-19 08:58
AI芯片：加速人工智能计算的专用硬件引擎
人工智能（AI）的快速发展离不开高性能计算硬件的支持，而传统CPU由于架构限制，难以高效处理AI任务中的大规模并行计算需求。因此，专为AI优
提升AI训练性能：GPU资源优化的12个实战技巧
在人工智能与机器学习技术迅速发展的背景下，GPU计算资源的高效利用已成为关键技术指标。优化的GPU资源分配不仅能显著提升模型训练
RK3588核心板在边缘AI计算中的颠覆性优势与场景落地
推理任务，需额外部署GPU加速卡，导致成本与功耗飙升。
扩展性受限：老旧接口（如USB 2.0、百兆网口）无法支持5G模组、高速存储等现代外设，升级困难。
开发周期长：BSP适配不完善，跨平台AI
发表于 04-15 10:48
使用NVIDIA CUDA-X库加速科学和工程发展
NVIDIA GTC 全球 AI 大会上宣布，开发者现在可以通过 CUDA-X 与新一代超级芯片架构的协同，实现 CPU 和 GPU 资源间深度
在CM32M433R MCU上调用riscv_sqrt_f32（）函数的计算速度比直接调用sqrtf()要慢，为什么？
在CM32M433R MCU上调用riscv_sqrt_f32（）函数的计算速度比直接调用sqrtf()要慢，
计算一次riscv_sqrt_f32大概54 cycles;sqrtf()大概29 cycles,FPU宏已打开，求
发表于 03-07 14:18
FPGA+AI王炸组合如何重塑未来世界：看看DeepSeek东方神秘力量如何预测......
......
2) AI超算革命：FPGA集群功耗比GPU降低62%；混合精度计算效率提升5.8倍......
3) 6G通信突破：软件无线
发表于 03-03 11:21
深度学习工作负载中GPU与LPU的主要差异
，一个新的竞争力量——LPU（Language Processing Unit，语言处理单元）已悄然登场，LPU专注于解决自然语言处理（NLP）任务中的顺序性问题，是构建AI应用不可或缺的一环。 本文旨在探讨深度
工商网监
评论