电子发烧友网报道（文/莫婷婷）随着AI与可穿戴设备深度融合，AI眼镜正从“音频交互为主”的初级形态，快速迈向“视觉+AI”双轮驱动的新阶段。据IDC预测，2025年全球AI眼镜出货量将达1280万台，而到2028年，随着AR功能普及与视觉交互成为标配，出货量有望逼近4亿台。在这一爆发性增长背后，视觉处理能力已成为AI眼镜的核心竞争力，而支撑这一能力的关键，正是日益复杂的视觉处理芯片架构。   AI眼镜的视觉处理需求升级：从记录到智能增强 当前主流

电子发烧友网报道（文 / 吴子鹏）当前，AI 技术已深度融入生产生活，从 AI 手机、AI PC 到云端大模型推理，再到未来的具身智能机器人，对算力的需求呈指数级增长。然而，在 AI 飞速发展的同时，算力、能效与带宽瓶颈成为行业前行的关键阻碍，而美西方的技术禁运更让中国芯片产业面临严峻挑战。   在这一大背景下，存算一体成为国产算力突破的重要手段。近日，在杭州举办的 RISC-V 存算一体产业论坛暨应用组启动大会上，微纳核芯、浙江省北大信

电子发烧友网综合报道，近日Quinas Technology 和 IQE plc 宣布，新型存储器ULTRARAM 已突破重大制造障碍，即将进入试生产阶段。   ULTRARAM结合了DRAM的高速度、NAND的非易失性以及低能耗特性。IQE公司成功将Quinas创始人在兰卡斯特大学首次开发的化合物半导体层技术扩展到工业化工艺。这个为期一年的项目开发了先进的锑化镓和锑化铝外延技术，被誉为可扩展存储设备领域的世界首创。该项目获得了英国创新署的资助。   在技术层面，ULTRARAM 依赖于锑化镓和锑

今天这篇文章，我们来聊一个最近几年很火的概念——存算一体。为什么会提出“存算一体”？存算一体，英文叫ComputeInMemory，简称CIM。顾名思义，就是将存储和计算放在一起。大家都知道，存储和计算，是我们处理数据的两种基本方式。自从计算机诞生以来，我们采用的主流计算架构，是著名的冯·诺伊曼架构。在这个架构中，存储和计算是两个相对独立的模块。存储负责数据

电子发烧友网报道（文/李弯弯）在人工智能技术飞速发展的今天，端边算力的升级已成为推动行业变革的核心动力。7月25日，WAIC 2025前夕，后摩智能正式发布全新端边大模型AI芯片——后摩漫界®M50，同步推出力擎™系列M.2卡、力谋®系列加速卡及计算盒子等硬件组合，形成覆盖移动终端与边缘场景的完整产品矩阵。这一系列动作标志着后摩智能在存算一体技术领域的突破性进展，更预示着端边智能新生态的全面开启。   M50芯片：高算力、低功耗的端边

电子发烧友网报道（文/李弯弯）在数字化浪潮席卷全球的当下，边缘人工智能正以前所未有的速度重塑产业格局。根据市场调研机构数据显示，2025年全球AI芯片市场规模预计突破1200亿美元，年均复合增长率超25%，其中，边缘计算芯片增速达35%。这一增长势头背后，是可穿戴、智能安防、智慧工业等场景对低功耗、低延迟、高隐私性计算的迫切需求。   然而，行业高速发展的同时，传统冯·诺依曼架构的“存储墙”瓶颈、高功耗与能效比失衡等技术挑战

在高性能计算与AI芯片领域，基于SRAM的存算一体（Processing-In-Memory, PIM）架构因兼具计算密度、能效和精度优势成为主流方案。随着存算一体芯片性能的持续攀升，供电电压降（IR-drop）问题日益成为制约其性能、能效与可靠性的关键瓶颈，而传统电路级优化方法往往需在功耗、性能或面积上做出妥协，难以实现系统化解决。

AI领域正在经历一场颠覆性的变革！DeepSeek，一款近期火爆全球的开源AI大模型，正与GPT-4、Sora等模型一起，掀起一场前所未有的算力竞赛。随着AI训练规模的指数级增长，计算资源的短缺已经成为无法忽视的问题——算力不足，功耗爆表，传统芯片难以支撑未来AI需求！

近年间，云计算与人工智能技术的蓬勃兴起，计算中心面临着数据效率低、能耗大等核心挑战，这促使学术界和工业界重新聚焦。

经过对动态阈值量化算法的实验验证，包括实验平台及相关设置、在CIFAR-10数据集上对参数和激活层进行的验证以及对AlexNet、VGG16和ResNet-18这三种卷积神经网络进行4位量化的结果。 在CIFAR-10数据集上，对动态阈值量化算法进行了验证，分别针对模型参数和激活层。实验结果表明，该算法在减小量化模型精度损失方面取得了成功，将损失控制在1.5%以内。 对AlexNet、VGG16和ResNet-18这三种卷积神经网络进行了4位量化的实验。结果表明，动态阈值量化算法在这些网络上能够将量化模型的精度损失有效地降低到1.5%以内。