0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

Imagination神经网络加速器和GPU入选《汽车半导体供需对接手册》

Dbwd_Imgtec 来源:Imagination Tech 作者:Imagination Tech 2021-03-02 15:37 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

2月26日,由工业和信息化部电子信息司和装备工业一司主办,中国汽车芯片产业创新战略联盟、国家新能源汽车技术创新中心承办的汽车半导体供需对接专题研讨会暨《汽车半导体供需对接手册》发布活动在北京顺利举行,Imagination的图形处理器GPU)和神经网络加速器(NNA)两大IP产品成功入选,工业和信息化部电子信息司司长乔跃山,中国工程院院士、北京理工大学教授孙逢春,中国汽车芯片产业创新战略联盟联席理事长董扬等领导和专家,以及行业组织、高校院所、芯片联盟代表单位负责人出席本次会议。

乔跃山司长指出,作为半导体行业主管部门,工业和信息化部电子信息司将始终积极引导和支持汽车半导体产业发展,通过聚力汽车半导体供需对接平台建设、产业链构建、优质生态营造,推进汽车半导体持续健康发展。会上发布了《汽车半导体供需对接手册》,该手册由工业和信息化部电子信息司和装备工业一司指导中国汽车芯片产业创新战略联盟等多家单位共同编制,旨在促进汽车半导体产业链上下游协作,推广优秀的汽车半导体产品,促进汽车企业与半导体企业的沟通对接。

《手册》共收录了59家半导体企业的568款产品,覆盖计算芯片、控制芯片、功率芯片、通信芯片、传感芯片、信息安全芯片、电源芯片驱动芯片、存储芯片、模拟芯片等10大类,53小类产品,占汽车半导体66个小类的80%。其中,已上车应用的产品合计246款,占收录产品总数的43%。

Imagination作为全球知名的半导体IP供应商,深耕汽车领域已超过15年,其IMG PowerVR系列GPU和IMG Series4 NNA本次也成功入选《手册》。

目前,Imagination的GPU IP产品在汽车GPU领域已占据43%以上的市场份额,与瑞萨德州仪器TI)、索喜等领先汽车芯片厂商形成了长期、良好的合作关系,国内也有芯驰科技(SemiDrive)这样的创新型企业基于Imagination的GPU IP成功打造了智能驾舱芯片。2020年10月和11月,Imagination先后发布了最新的车用BXS GPU和Series4 NNA产品。BXS是专用的车规级GPU,符合ISO 26262标准,是迄今为止最先进的汽车GPU IP,可支持下一代人机界面(HMI)、UI显示、信息娱乐系统、数字驾舱、环绕视图、ADAS和自动驾驶等应用,TI就在其最新的Jacinto车用处理器系列产品中采用了BXS-4-64 GPU内核。

Imagination专用车规级BXS GPU

Series4 NNA更是Imagination针对ADAS和自动驾驶打造的终极AI加速器,可以提供颠覆行业的性能,且同样符合ISO 26262标准。Series4的每个单核能以不到一瓦的功耗提供12.5 TOPS的算力,一个8核集群可提供100 TOPS,6个8核集群形成的解决方案就拥有600 TOPS的算力,完全可以满足L4和L5级自动驾驶的需求。

IMG Series4 NNA通过多集群方式提供超高算力

电动化、网联化、智能化已成为汽车产业的发展潮流和趋势,智能座舱、自动驾驶、信息娱乐等应用对半导体的需求和要求不断提升,半导体已成为支撑汽车“三化”升级的关键。Imagination将不断创新、优化自己的GPU和NNA IP产品,并联合汽车芯片厂商共同打造性能卓越、面向未来的车用芯片,推动汽车产业加快“三化”发展。

原文标题:《汽车半导体供需对接手册》发布,Imagination两大产品入选

文章出处:【微信公众号:Imagination Tech】欢迎添加关注!文章转载请注明出处。

责任编辑:haq

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
  • 半导体
    +关注

    关注

    336

    文章

    29977

    浏览量

    258134
  • 汽车电子
    +关注

    关注

    3043

    文章

    8558

    浏览量

    172219
  • 加速器
    +关注

    关注

    2

    文章

    836

    浏览量

    39711

原文标题:《汽车半导体供需对接手册》发布,Imagination两大产品入选

文章出处:【微信号:Imgtec,微信公众号:Imagination Tech】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    CNN卷积神经网络设计原理及在MCU200T上仿真测试

    CNN算法简介 我们硬件加速器的模型为Lenet-5的变型,网络粗略分共有7层,细分共有13层。包括卷积,最大池化层,激活层,扁平层,全连接层。下面是各层作用介绍: 卷积层:提取特征。“不全
    发表于 10-29 07:49

    NMSIS神经网络库使用介绍

    NMSIS NN 软件库是一组高效的神经网络内核,旨在最大限度地提高 Nuclei N 处理内核上的神经网络的性能并最​​大限度地减少其内存占用。 该库分为多个功能,每个功能涵盖特定类别
    发表于 10-29 06:08

    SNN加速器内部神经元数据连接方式

    的数量级,而且生物轴突的延迟和神经元的时间常数比数字电路的传播和转换延迟要大得多,AER 的工作方式和神经网络的特点相吻合,所以受生物启发的神经形态处理中的NoC或SNN
    发表于 10-24 07:34

    CICC2033神经网络部署相关操作

    在完成神经网络量化后,需要将神经网络部署到硬件加速器上。首先需要将所有权重数据以及输入数据导入到存储内。 在仿真环境下,可将其存于一个文件,并在 Verilog 代码中通过 read
    发表于 10-20 08:00

    【「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

    AI芯片不仅包括深度学细AI加速器,还有另外一个主要列别:类脑芯片。类脑芯片是模拟人脑神经网络架构的芯片。它结合微电子技术和新型神经形态器件,模仿人脑神经系统机选原理进行设计,实现类似
    发表于 09-17 16:43

    神经网络的并行计算与加速技术

    问题。因此,并行计算与加速技术在神经网络研究和应用中变得至关重要,它们能够显著提升神经网络的性能和效率,满足实际应用中对快速响应和大规模数据处理的需求。神经网络并行
    的头像 发表于 09-17 13:31 884次阅读
    <b class='flag-5'>神经网络</b>的并行计算与<b class='flag-5'>加速</b>技术

    MAX78000采用超低功耗卷积神经网络加速度计的人工智能微控制技术手册

    的Maxim超低功耗微控制相结合。通过这款基于硬件的卷积神经网络(CNN)加速器,即使是电池供电的应用也可执行AI推理,同时功耗仅为微焦耳级。
    的头像 发表于 05-08 11:42 713次阅读
    MAX78000采用超低功耗卷积<b class='flag-5'>神经网络</b><b class='flag-5'>加速</b>度计的人工智能微控制<b class='flag-5'>器</b>技术<b class='flag-5'>手册</b>

    MAX78002带有低功耗卷积神经网络加速器的人工智能微控制技术手册

    的Maxim超低功耗微控制相结合。通过这款基于硬件的卷积神经网络(CNN)加速器,即使是电池供电的应用也可执行AI推理,同时功耗仅为微焦耳级。
    的头像 发表于 05-08 10:16 598次阅读
    MAX78002带有低功耗卷积<b class='flag-5'>神经网络</b><b class='flag-5'>加速器</b>的人工智能微控制<b class='flag-5'>器</b>技术<b class='flag-5'>手册</b>

    NVIDIA实现神经网络渲染技术的突破性增强功能

    发者能使用 NVIDIA GeForce RTX GPU 中的 AI Tensor Cores,在游戏的图形渲染管线内加速神经网络渲染。
    的头像 发表于 04-07 11:33 865次阅读

    从图形处理到AI加速,一文看懂Imagination D系列GPU

    Imagination的D系列于2022年首次发布,见证了生成式AI从云端到智能手机等消费设备中普及。在云端,由于GPU的可编程性、可扩展性和快速处理AI工作负载的能力,GPU已成为高效的AI
    的头像 发表于 02-27 08:33 823次阅读
    从图形处理到AI<b class='flag-5'>加速</b>,一文看懂<b class='flag-5'>Imagination</b> D系列<b class='flag-5'>GPU</b>

    BP神经网络与卷积神经网络的比较

    多层。 每一层都由若干个神经元构成,神经元之间通过权重连接。信号在神经网络中是前向传播的,而误差是反向传播的。 卷积神经网络(CNN) : CNN主要由卷积层、池化层和全连接层组成。
    的头像 发表于 02-12 15:53 1305次阅读

    什么是BP神经网络的反向传播算法

    BP神经网络的反向传播算法(Backpropagation Algorithm)是一种用于训练神经网络的有效方法。以下是关于BP神经网络的反向传播算法的介绍: 一、基本概念 反向传播算法是BP
    的头像 发表于 02-12 15:18 1273次阅读

    BP神经网络与深度学习的关系

    BP神经网络与深度学习之间存在着密切的关系,以下是对它们之间关系的介绍: 一、BP神经网络的基本概念 BP神经网络,即反向传播神经网络(Backpropagation Neural N
    的头像 发表于 02-12 15:15 1339次阅读

    人工神经网络的原理和多种神经网络架构方法

    在上一篇文章中,我们介绍了传统机器学习的基础知识和多种算法。在本文中,我们会介绍人工神经网络的原理和多种神经网络架构方法,供各位老师选择。 01 人工神经网络   人工神经网络模型之所
    的头像 发表于 01-09 10:24 2243次阅读
    人工<b class='flag-5'>神经网络</b>的原理和多种<b class='flag-5'>神经网络</b>架构方法

    ANN神经网络——器件建模

    随着半导体行业的新材料、新工艺、新器件的不断发展,人工神经网络作为一种替代方法已经被引入器件建模领域。本文介绍了ANN神经网络建模的起源、优势、实现方式和应用场景。   随着半导体行业
    的头像 发表于 01-06 13:41 1658次阅读
    ANN<b class='flag-5'>神经网络</b>——器件建模