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 A
外媒报道称，美国国防部副部长Steve Feinberg在3月9日致五角大楼领导层的一封机密信件中表示，Palantir的AI系统正式确立为美军的「记录项目」（Program of Record）。五角大楼决定，从今年9月本财年结束起，Palantir AI将全面嵌入美军各军种。也就是说，Palantir的Maven人工智能系统正式成为美军跨军种的核心操作系统。这一决定就意味着，战争的算法不再是辅助工具而是灵魂。Palantir的武器目标识别技术，将在美国军方中获得长期、稳定的应用。Feinberg在信中
从通用计算转向 AI 专用硬件，其核心驱动力是深度学习模型特有的计算与能耗需求。随着模型规模扩展至万亿级参数，传统架构面临内存墙困境：在存储器与处理单元之间搬运数据所消耗的能量，已远超计算本身的能耗。本文梳理了当前用于解决这类瓶颈的设计策略，覆盖从数据中心脉动阵列到功耗受限的边缘端加速器等各类场景。问：标准 CPU 与 GPU 架构为何无法满足 AI 负载需求？答：中央处理器（CPU）受限于面向通用任务设计的窄位宽向量处理单元与复杂缓存层次结构，在高并发 AI 运算中会产生显著延迟。图形处理器（GPU）虽
芯片厂商正越来越多地采用基于人工智能的工具，对用于各类边缘场景的半导体进行验证，这些场景包括机器人、无人机、自动驾驶汽车等实体 AI。但他们对这类技术仍持谨慎态度，会限制 AI 的执行范围，并在必要时依靠人工干预检查 AI 的运行结果。这些实体 AI 系统与大、小语言模型、计算机视觉模型、视觉‑语言‑动作模型等相连。在许多场景下，人们会使用 AI 工具监控这些模型，对海量数据集进行筛选以发现异常。从功能安全与网络安全角度看，由 AI 工具监督连接了小语言模型与大语言模型的实体 AI 设备，看似形成了一个危
3月17日，日本互联网巨头乐天集团发布大模型Rakuten AI 3.0，并将其定义为在日本经济产业省与新能源产业技术综合开发机构（NEDO）推动的GENIAC项目框架下开发的“日本国内最大规模高性能AI模型”。然后发布当天，这款日本最强大模型就“翻车”了。截至目前，乐天集团没有任何公开回应。根据乐天的官方新闻稿，Rakuten AI 3.0是"基于开源社区最优秀的模型，结合乐天独自的高品质双语数据、技术力和研究成果开发"的，对Deepseek只字未提。不过，模型上线后不久，技术社区很
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473