本轮半导体行业复苏的核心引擎，当属NAND闪存的价格暴涨。据摩根士丹利证券预测，MLC（及成熟制程TLC）产品价格从今年首季到第四季涨幅将超过200%，下半年供需失衡幅度或达40%，缺口持续扩大助推价格飙升。DRAM涨幅逐步收敛，反观NAND价格动能转强，甚至超越DRAM：预估一般型DRAM在第二季度合约价格将上涨约58%-63%，NAND闪存则上涨约70%-75%。目前全球2GB至64GB容量的NAND产能几近消失，终端客户库存普遍仅剩六至九个月，供需结构转趋紧绷。大摩科技产业分析师在最新释出的报告中指
关键字：
NAND LTA 存储器 闪存 DRAM AI 闪迪
面向 AI 负载的现代 SoC 设计，已彻底改变片上网络（NoC） 的定位 —— 它从简单的互联总线，升级为决定系统性能、功耗与扩展性的核心架构要素。随着计算密度提升、异构加速器普及，数据搬运已成为系统性能的主导因素。因此，NoC 架构必须作为顶层设计决策，而非后期集成环节。白皮书《下一代 SoC 架构设计考量：搭配 Arteris 的 NoC》指出：现代 AI SoC 的瓶颈不在计算，而在仲裁、内存访问与互联带宽。这使得 NoC 拓扑、缓存机制与服务质量（QoS）策略，成为达成性能目标的关键。AI So
关键字：
片上网络 NoC AI SoC
Agentic AI开始从实验探索走向生产应用，让业界遭遇了纯GPU推理架构所带来的局限性挑战。继启动了为期多年的合作计划之后，英特尔与SambaNova宣布了一个为新兴工作负载而设计的新蓝图。该设计将结合用于预填充的GPU、用于高吞吐量解码的SambaNova RDU，以及作为主机和执行CPU的英特尔® 至强® 6处理器，帮助企业和云服务提供商应对在性能、能效和软件兼容性方面所面临的挑战。这一异构设计反应出了行业的普遍转向：在保持对现代数据中心赖以运行的x86软件生态兼容的基础上，为AI推理各环节匹配极
关键字：
至强6 英特尔 SambaNova Agentic AI
核心要点没有任何一种处理器能高效执行所有任务，必须采用多处理器协同架构。最大化效率的关键是最小化数据移动。架构师必须在满足当前负载效率的同时，预留足够灵活性以适配未来需求。得益于 AI 带来的负载变革，新一代处理器架构正快速演进，但没有任何一款处理器能 “包打天下”。协同在纸面上很简单，实际实现却困难重重。历史上从未出现过能通吃所有场景的处理器架构。过去 50 年，CPU 一直是主力计算单元，但即便在 PC 早期，人们就已意识到部分负载需要更专用的处理能力 ——8086 就搭配了 8087 浮点协处理器。
关键字：
协处理器 异构计算 AI Arm DSP RISC-V
智能体 AI 正快速从实验室走向实际部署，这迫使数据中心架构师重新思考如何处理推理工作负载。对此，英特尔与 SambaNova 系统公司推出了一款全新的异构架构，旨在支撑下一代人工智能应用。两家公司表示，该架构将 GPU、SambaNova RDU 与英特尔至强 6 处理器相结合，实现了性能、能效与兼容性的平衡。对于从事人工智能基础设施工作的工程师与系统架构师而言，这一公告凸显出未来推理系统有望摆脱仅依赖 GPU 的模式。面向智能体 AI 的异构计算方案全新架构针对新兴的 “智能体 AI” 工作负载设计，
关键字：
英特尔 SambaNova 智能体 AI 处理器
核心要点智能体 AI 工作负载正在重塑数据中心算力需求，性能瓶颈从以 GPU 为中心的推理转向CPU 密集的调度与工作流管理。传统 AI 推理是单步前向传播，而智能体 AI 是分布式、多步骤、带规划 / 工具调用 / 验证 / 迭代推理的复杂流程，对 CPU 需求激增。实测显示：在金融异常检测、AI 代码生成等场景中，CPU 耗时超过 GPU 推理，仅靠提升 GPU 性能无法优化整体吞吐。数据中心需保持CPU 与 GPU 均衡配比，推荐比例为 1:1 到 1.4:1，即每颗 GPU 配 86–120 个
关键字：
智能体AI Agentic AI GPU
亚马逊计划在今年5月启动新一轮全球裁员，预计约1.4万名员工将受到影响。此次裁员覆盖AWS云服务、零售、人力资源等多个核心业务板块，中国区部分团队甚至可能被整体裁撤。据悉，本次裁员主要针对白领及中层管理人员，职级集中在L5至L7，仓储物流等一线蓝领岗位暂时不在调整范围内。知情人士透露，被裁员工大概率可获得“N+6”的经济补偿，另外还设置了60天的冷静期，方便员工申请内部转岗或做好离职准备。截至目前，亚马逊官方尚未就此次裁员发布正式公告，相关细节仍有待官方。若消息属实，这将是亚马逊今年以来第二次大规模裁员。
关键字：
亚马逊 Meta AI
Anthropic表示，由于担心其最新AI模型Mythos太擅长发现主流操作系统和网络浏览器中的“高危漏洞”，现已暂停更广泛地发布。这次最值得关注的，不是“模型又变强了”，而是Anthropic首次如此清楚地承认，前沿大模型的能力，已经开始逼近现实世界中的高风险任务边界。Anthropic称：“Claude Mythos预览版的功能大幅提升，因此我们决定不将其公开发布。相反，我们将其用作一项防御性网络安全计划的一部分，该计划的合作伙伴数量有限。”Anthropic在系统卡中明确写道，Mythos相比Cla
关键字：
AI 模型 Claude Mythos Anthropic
4月8日凌晨，DeepSeek迎来重要更新，在最新版本中DeepSeek输入框上方新增“快速模式”与“专家模式”。系统提示：快速模式适合日常对话，即时响应；专家模式擅长复杂问题，高峰需等待。不过，目前新版本还处于灰度测试中，并不是全量版本，可以在对话框里输入“专家模式”，就会自动启用新版本。当然，将用户自然分流至两个入口，这本身也是一种算力调度策略，有助于实现限额限流、缓解峰值压力。根据当前测试与网友分析：快速模式背后可能调用了一个更轻量的V4 Lite模型；专家模式则疑似路由至更大、更强的模型，有猜测认
关键字：
DeepSeek 华为 AI 芯片
随着AI Agents 从云端走向终端，越来越多的硬件产品如智能音箱、车载助手、企业终端、家庭网关等，开始集成AI的能力，让设备能够理解自然语言、调用云端大模型、自主执行复杂任务。 这一趋势为产品带来了巨大想象空间，同时也提出一个全新的安全命题：当AI Agents代替用户与云端持续通信时，设备侧的身份凭证如何获得可靠保护？针对这一挑战，汇顶推出面向AI Agents场景的安全解决方案，通过全新的物理隔离设计，全面保护AI时代智能硬件的核心安全资产。 依赖软件的通信安
关键字：
汇顶 AI Agents 安全芯片
自主人工智能（Agentic AI）是依托大语言模型（LLM）兴起的最新热点，ChatGPT、Perplexity、Copilot 等聊天机器人均由大语言模型驱动。这类聊天机器人通常接收文本提示并给出相应回复，部分还能生成图像甚至视频。它们大多是可交互的独立系统，但要在聊天环境之外完成实际任务，就需要依靠自主智能体 AI。自主智能体 AI：将大语言模型与现实世界相连总体而言，自主智能体 AI 通过多种接口与协议，把 AI 模型与外部世界连接起来（见附图）。目前主流协议之一是模型上下文协议（MCP）。该协议
关键字：
自主智能体 AI MCP 大语言模型
IBM 与 ElevenLabs 正将语音工具集成至 watsonx Orchestrate，为企业客户提供构建更自然的语音智能体的能力，可应用于客服、内部支持及其他流程密集型任务。根据官方公告，此次集成将 ElevenLabs 的文本转语音与语音转文本技术引入 IBM 的智能体编排平台，支持 70 种语言，并提供超过 10000 种音色。watsonx Orchestrate 语音 AI 新增能力合作双方表示，此次更新可让企业智能体从纯文本对话升级为语音交互，语音效果更自然、更少机械脚本感，在实际业务场
关键字：
IBM ElevenLabs watsonx Orchestrate 人工智能 语音 AI
尽管我们十分关注计算引擎、网络芯片与存储设备，但最终核心仍在于系统架构师如何整合这些组件，将其打造成能够实现具备经济、社会乃至生物领域价值的、可落地的专用系统。部分系统架构师倾向自主整合业内顶尖组件，以在协同设计层面掌握一定主动权；也有部分客户只希望采购可随业务增长灵活扩容的完整整机系统，实现最快部署投产。韩国 AI 芯片初创企业 Rebellions AI 下一阶段的扩张核心，正是面向这类整机采购客户。考虑到该公司立志在本土市场之外大量销售 AI 加速芯片与完整系统，这一布局十分契合其战略。对于那些尚未
关键字：
Rebellions AI AI推理 整机系统
关键要点AM13E230x MCU 通过在单个器件中结合使用 Arm® Cortex®-M33 CPU 和 TI TinyEngine™ NPU，能够在实时控制应用中实现预测性故障检测和自适应控制算法。人形机器人和电器设备中的本地 AI 模型可以根据实际情况持续监测参数并调整性能，而无需云连接或其他分立式元件。克服传统设计局限，实现支持边缘 AI 的电机控制在工业自动化应用和电器设备的电机系统中，为帮助更大限度缩短停机时间、降低能源消耗和提高整体系统可靠性，对实时监测和控制的需求变得至关重要。为实现可靠的
关键字：
TI AM13E230x AI 人形机器人
核心要点芯片架构师面临的首要挑战：从设计之初就把后量子密码（PQC）安全地融入真实硬件，而不只是选用已认证算法。安全必须在早期就作为芯片核心架构决策，尤其针对长生命周期、汽车电子与多厂商系统。汽车网络安全需要全栈式方案：覆盖硬件、软件、AI 威胁、传感器、供应链与法规合规。芯片最紧迫的安全挑战已不再是抽象的量子安全算法选型或后期功能追加，而是早期架构决策：必须在面积、功耗、性能、成本与长产品生命周期的真实约束下完成。量子计算、AI 与汽车电子复杂度激增，让集成电路（IC）安全威胁大幅攀升。后量子密码成为头
关键字：
量子 AI 汽车电子 芯片安全威胁
ai-for-ran介绍
您好，目前还没有人创建词条ai-for-ran!
欢迎您创建该词条，阐述对ai-for-ran的理解，并与今后在此搜索ai-for-ran的朋友们分享。
创建词条
关于我们 -
广告服务 -
企业会员服务 -
网站地图 -
联系我们 -
征稿 -
友情链接 -
手机EEPW
Copyright ©2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《电子产品世界》杂志社 版权所有 北京东晓国际技术信息咨询有限公司
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473