颖脉Imgtec

动态

• 发布了文章 2025-11-17 10:54

  物理人工智能面临的安全风险

  

  具备通用人工智能的人形机器人距离真正进入我们的日常生活还有数年时间，但特定应用领域的机器人早已问世。从亚马逊物流中心的机器人车队，到手术室的外科手术机器人、搜救机器狗、自主无人机和最后一公里配送机器人，再到常见的扫地机器人，物理人工智能系统正变得越来越智能，也越来越贴近人类生活。先进的3D传感器、人工智能摄像头、语音接口

  人工智能 机器人

  1.3k浏览量

• 发布了文章 2025-11-14 10:29

  客户案例 ｜ Imagination GPU助力安霸 CV3-AD655 环视系统

  

  安霸的CV3-AD655智能驾驶AI域控制器将高能效计算能力与Imagination的IMGBXMGPU相结合，为L2++/L3级车辆实现实时环视可视化。本案例介绍了行业正向集中式域控制器架构的转变，概述了CV3-AD产品家族及其中端型号CV3-AD655，阐释了GPU的作用及其在提升驾驶员感知与信任方面的重要意义，说明了为什么安霸选择Imagination

  gpu imagination 环视系统

  2.8k浏览量

• 发布了文章 2025-11-12 09:40

  量子AI，芯片的新解药

  

  本文由半导体产业纵横(ID：ICVIEWS)编译自eletimes量子AI助力，半导体供应链韧性升级。几十年来，硅一直是计算机发展的主要驱动力，但摩尔定律如今已接近极限。随着对芯片速度和能效要求的不断提高，由于供应短缺和地缘政治紧张局势，供应链面临的压力前所未有。这就是人工智能和量子计算发挥作用的地方。这并非科幻小说；它们正在帮助发现新的半导体材料，并优化晶

  AI 芯片 量子

  1.4k浏览量

• 发布了文章 2025-11-11 08:32

  半导体行业能从游戏行业借鉴的5大经验

  

  本文由TechSugar编译自SemiWiki半导体领域一直是科技创新的核心驱动力，小到智能手机，大到最新的人工智能突破性成果，皆由其提供技术支撑。然而，随着芯片复杂度不断提升，市场需求持续激增，固守传统的研发周期模式或正导致设计团队陷入停滞，进而拖累创新步伐。与之形成鲜明对比的是，游戏行业已将快速迭代式研发与深度用户导向模式打磨得十分成熟。游戏开发者发布产

  人工智能 半导体 芯片

  861浏览量

• 发布了文章 2025-11-10 10:41

  4种神经网络不确定性估计方法对比与代码实现

  

  回归任务在实际应用中随处可见——天气预报、自动驾驶、医疗诊断、经济预测、能耗分析，但大部分回归模型只给出一个预测值，对这个值到底有多靠谱却只字不提。这在某些应用场景下会造成很多问题，比如用模型预测患者血压，假设输出是120/80这样的正常值，表面看没问题。但如果模型其实对这个预测很不确定呢？这时候光看数值就不够了。神经网络有几种方法可以在给出预测的同时估计不

  MSE 模型 神经网络

  933浏览量

• 发布了文章 2025-11-07 13:16

  万字长文AI智能体：17种体架构详细实现

  

  数据科学AI智能体领域发展迅猛，但许多资源仍然过于抽象和理论化。创建此项目的目的是为开发者、研究人员和AI爱好者提供一条结构化、实用且深入的学习路径，以掌握构建智能系统的艺术。

  AI 智能体 语言模型

  1.1k浏览量

• 发布了文章 2025-11-06 13:42

  边缘计算中的AI加速器类型与应用

  

  人工智能正在推动对更快速、更智能、更高效计算的需求。然而，随着每秒产生海量数据，将所有数据发送至云端处理已变得不切实际。这正是边缘计算中AI加速器变得不可或缺的原因。这种专用硬件能够直接在边缘设备上提升AI应用的性能。在边缘计算中，有多种类型的AI加速器，各自具有不同的优势、局限性和适用场景。AI加速器在边缘计算中的作用人

  AI 加速器 边缘计算

  1.3k浏览量

• 发布了文章 2025-11-04 10:51

  游戏卡顿元凶竟然是 Draw Call！

  

  本文转自：字符无限科技玩游戏时遇到画面掉帧、操作延迟，大概率和一个叫DrawCall的指标有关。它是游戏渲染的核心环节，也是性能优化绕不开的坎，哪怕是Unity、UE引擎的资深开发者，也得在它身上下功夫。什么是DrawCall？DrawCall仅仅是一条指令！DrawCall指令从CPU传到GPU，渲染一个网格。指令只指向一个被渲染的网格并且不包含任何材质信

  cpu gpu

  1.2k浏览量

• 发布了文章 2025-11-03 11:40

  机器视觉缺陷检测中传感器集成的五大关键

  

  质量控制是制造流程中至关重要但往往效率低下的环节。机器视觉能够自动化部分或全部缺陷检测任务，但仅靠技术本身无法带来显著改进。必须理解并优化整个机器视觉检测流程，这项技术才能产生有意义的结果。与人工智能技术一样，机器视觉虽然令人印象深刻，但它仅仅是一个工具。其效果取决于最终用户的应用方式。因此，以下是将机器视觉系统集成到缺陷检测中的五个关键步骤。一、明确缺陷定

  传感器 机器视觉 缺陷检测

  1.1k浏览量

• 发布了文章 2025-10-31 12:04

  这些芯片工程师，难被AI取代

  

  来源：内容由半导体行业观察编译自semiengineering。人工智能工具的普及似乎完美地填补了人才短缺的空白，但仔细观察就会发现，这些技能并非完全重叠。EDA流程中的某些环节仍然需要人类工程师，而且这种情况在可预见的未来很可能还会持续下去。模拟设计的深奥艺术、安全关键功能安全的最终定论、高层架构决策、产品创新和创造性问题解决，这些都是人们大放异彩的地方。

  AI 芯片

  1.1k浏览量