欧美午夜精品理论片a级按摩,亚洲视频免费观看,欧美特黄一级,中文字幕一区二区av

資訊類型：	行業(yè)要聞企業(yè)動態(tài) 新品速遞解決方案交流培訓嘉賓訪談產(chǎn)業(yè)縱橫
	人物聚焦展會動態(tài) 會展報告本站動態(tài)
標題：	*
頁面廣告：
副標題：
關鍵字：	多個關鍵字請用“/”分隔，如：西門子/重大新聞
內(nèi)容描述：
新聞來源：
鏈接：
責任編輯：
標題圖片：	當編輯區(qū)有插入圖片時，將自動填充此下拉框
* 所屬類別： (不超過20項)	電源產(chǎn)品分類： UPS電源穩(wěn)壓電源 EPS電源變頻電源凈化電源特種電源發(fā)電機組開關電源(AC/DC) 逆變電源(DC/AC) 模塊電源(DC/DC) 電源應用分類：通信電源電力電源車載電源軍工電源航空航天電源工控電源 PC電源 LED電源電鍍電源焊接電源加熱電源醫(yī)療電源家電電源便攜式電源充電機(器) 勵磁電源電源配套分類：功率器件防雷浪涌測試儀器電磁兼容電源IC 電池/蓄電池電池檢測變壓器傳感器軸流風機電子元件連接器及端子散熱器電解電容 PCB/輔助材料新能源分類：太陽能(光伏發(fā)電) 風能發(fā)電潮汐發(fā)電水利發(fā)電燃料電池其他類：其他
靜態(tài)頁面：	生成靜態(tài)頁面
* 內(nèi) 容：	<P>　　簡介</P> <P>　　在過去三百年間，工業(yè)領域取得了長足的進步。機器設備最初于18世紀問世，主要以水和蒸汽為動力，并引發(fā)了18世紀末的工業(yè)革命（通常被稱為工業(yè)1.0）。盡管流水組裝線的概念可以追溯到中國古代的青花瓷制作，但直到19世紀末，亨利·福特才設立了第一條電動流水線，形成了工業(yè)2.0的框架。</P> <P>　　自動化和計算機技術于1960年代末期開始嶄露頭角，并構成了工業(yè)3.0的雛形，為如今驅(qū)動著工業(yè)4.0的自動化、人工智能（AI）和網(wǎng)絡化解決方案鋪平了道路。雖然這幅圖景中似乎已經(jīng)看不見人類的身影，但工業(yè)5.0將帶領我們返璞歸真，利用AI驅(qū)動的機器人系統(tǒng)所具有的精準和高效，與人類大腦的奇思妙想和實時思考有機結(jié)合，創(chuàng)造出更理想的制造環(huán)境。</P> <P align=center>　　<IMG style="WIDTH: 503px; HEIGHT: 200px" border=0 src="/uploadfile/newspic/20220215160041344.jpg" width=578 height=211></P> <P>　　圖1：工業(yè)技術的演進</P> <P>　　人工智能</P> <P>　　人工智能（AI）是計算機科學的一個分支，主要專注于開發(fā)能夠模擬人類行為的機器。這類設備的范疇林林總總，從可以簡單地執(zhí)行算法，到可以自主從周邊環(huán)境中學習、無需人類介入便自行調(diào)節(jié)算法。機器學習（ML）是人工智能的子集，它通過運用數(shù)據(jù)集衍生的統(tǒng)計模型來改進特定任務。作為機器學習的子集，深度學習（DL）運用了多層神經(jīng)網(wǎng)絡，不僅能執(zhí)行基礎的機器學習推理，還能學習新的數(shù)據(jù)，從而獲得更高層的認知能力（見下圖）。在本篇白皮書中，所有機器學習和深度學習都將被簡稱為ML。</P> <P align=center>　　<IMG border=0 src="/uploadfile/newspic/20220215160049184.jpg"></P> <P>　　圖2：人工智能/機器學習/深度學習譜圖</P> <P>　　人工智能（AI）的常見用例包括先進駕駛輔助系統(tǒng)（ADAS），即自動駕駛汽車的支柱；語音識別及合成（例如華為的Celia）；醫(yī)療診斷；數(shù)據(jù)與網(wǎng)絡安全；金融服務預測性模型（例如電子化交易），或電商與流媒體服務推薦；當然還有工業(yè)制造。</P> <P>　　隨著工業(yè)4.0在2010年代早期進一步演進，使得AI在制造環(huán)境中的重要性與日俱增。如今，許多應用都會利用AI來促進制造和業(yè)務經(jīng)營、流程、安保和供應鏈等更加流暢高效。通過運用預測性算法，AI可以監(jiān)控設備狀況，優(yōu)化維護日程，最終還能預報機械故障。</P> <P>　　與制造相關的物料供應鏈管理也可以充分發(fā)揮預測算法的優(yōu)勢，保障流程能夠順利、高效地持續(xù)運作。AI算法還可以參考過往和現(xiàn)在的商業(yè)需求，從而協(xié)助預測未來的業(yè)務。這些AI系統(tǒng)可以與供應鏈和庫存管理系統(tǒng)結(jié)合，加快獲利時效，降低間接成本。機器人早在工業(yè)3.0就成為了其中重要的組成部分。而在我們即將迎來工業(yè)5.0之際，這些機器人系統(tǒng)必須擁有適應性的AI算法（主要為DL算法）。它們不僅需要自主學習，還必需能夠解讀人類的實時輸入。低時延的實時適應能力也將成為不可或缺的要素。</P> <P>　　AI之外的生態(tài)系統(tǒng)組件</P> <P>　　在持續(xù)興旺發(fā)展的工業(yè)4.0和正在演進的工業(yè)5.0中，AI依然是一個重要的組成部分。然而，AI算法的蓬勃發(fā)展離不開實時數(shù)據(jù)。物聯(lián)網(wǎng)（IoT）是由互聯(lián)的電子設備組成的系統(tǒng)，可以從模擬和數(shù)字世界中獲取與接收數(shù)據(jù)。時間、壓力、溫度、速度、角度及視聽數(shù)據(jù)源必須經(jīng)過采集，隨后轉(zhuǎn)換成結(jié)構化數(shù)據(jù)，各類基于AI的系統(tǒng)才能對其進行分析和控制。和4G網(wǎng)絡相比，自2019年起部署的5G網(wǎng)絡（在韓國率先部署）可提供100倍的帶寬（最高可達10 Gbps）和500倍的信道數(shù)量。5G網(wǎng)絡與IoT結(jié)合之后，海量的輸入數(shù)據(jù)在計算機領域中引出了一種新范式，即對數(shù)據(jù)加速器的需求。</P> <P>　　數(shù)據(jù)加速器</P> <P>　　在海量的數(shù)據(jù)面前，數(shù)據(jù)中心處理數(shù)據(jù)的負擔以及發(fā)現(xiàn)數(shù)據(jù)背后的意義這些工作，已經(jīng)令傳統(tǒng)的計算服務器模式不堪重負。過去應對數(shù)據(jù)激增的方法就是在數(shù)據(jù)中心增添服務器。服務器安裝規(guī)模的提升不僅提高了資本性支出，再加上設備的運行和冷卻需要消耗更多能源，營運性支出也隨之水漲船高。</P> <P>　　取決于數(shù)據(jù)加速器的類型與負載，服務器中單個數(shù)據(jù)加速器的運算能力可以與15臺服務器匹敵，從而大幅削減了資本性支出和營運性支出。基于硬件的數(shù)據(jù)加速器還帶來了更多效益，例如較低的時延和更高的穩(wěn)定性，這在車輛自動駕駛、工業(yè)4.0/5.0、金融服務和其他對時延要求較高的用例中效果尤為突出。優(yōu)秀的數(shù)據(jù)加速器還有最后一項特征，它具備了出色的靈活性，能夠適應ML/DL算法的變化，包括算法本身的調(diào)整、負載的變化和/或ML/DL算法數(shù)據(jù)集的更新。</P> <P>　　數(shù)據(jù)加速的賽場上有三種各異的硬件方式，即GPU、FPGA和定制ASIC。如下圖所示。CPU的靈活性始終是最出色的，但與其他專用數(shù)據(jù)加速器相比，在能耗、性能和成本方面存在一定的劣勢。其它選項便是GPU、ASIC和FPGA。ASIC的效率與性能最為出色，但功能完全固定，缺乏必需的靈活性，無法適應AI算法的變化、新興技術的參數(shù)改動、供應商要求和負載優(yōu)化。GPU是傳統(tǒng)核心數(shù)據(jù)中心的主力，僅限于純粹運算這樣的使用場景，而不能提供大多數(shù)場景中需要利用到的聯(lián)網(wǎng)與存儲加速的能力，并且能耗和成本較高。FPGA可以加速聯(lián)網(wǎng)、運算和存儲，速度與ASIC相仿，也具備了必需的靈活性，能夠為如今的核心與邊緣數(shù)據(jù)中心提供理想的數(shù)據(jù)加速。除了數(shù)據(jù)加速之外，F(xiàn)PGA還將在傳感器融合和傳入數(shù)據(jù)流合并等領域發(fā)揮關鍵作用，為數(shù)據(jù)消費打下了堅實的基礎。</P> <P align=center>　　<IMG border=0 src="/uploadfile/newspic/20220215160056682.jpg"></P> <P>　　圖3：CPU、GPU、FPGA和ASIC的對比</P> <P>　　Achronix提供的精選產(chǎn)品</P> <P>　　Achronix為AI/ML運算、聯(lián)網(wǎng)和存儲應用開發(fā)了基于FPGA的數(shù)據(jù)加速產(chǎn)品。與其他高性能FPGA企業(yè)不同，Achronix可同時提供獨立FPGA芯片和嵌入式FPGA半導體知識產(chǎn)權（IP）解決方案。除了獨立的FPGA芯片和eFPGA IP之外，Achronix還提供基于PCIe的加速卡，可用于開發(fā)、實地測試或生產(chǎn)等應用場景。</P> <P>　　采用臺積電7納米工藝打造的Speedster®7t系列FPGA擁有業(yè)界最快的輸入/輸出速度，可支持400 GbE、PCIe Gen5和雙存儲接口：標準DDR4和GDDR6存儲接口可以帶來的驚人速度，相較于DDR4提高了600%。如果數(shù)據(jù)無法輕松通達FPGA邏輯陣列，高速接口便無法發(fā)揮太多作用。</P> <P>　　為了避免遇到這一瓶頸，Achronix從架構增加了二維片上網(wǎng)絡（2D NoC），能夠有效充當所有外部輸入/輸出數(shù)據(jù)的高速通道，增強了FPGA內(nèi)部的功能單元塊和FPGA邏輯陣列本身。這種2D NoC實現(xiàn)了超過20 Tbps的雙向帶寬，遠遠超過了輸入/輸出和功能塊的總帶寬需求，消除了片內(nèi)通信的時延問題。</P> <P>　　在對成本、性能與能耗有較高敏感度的大批量應用場景中，用戶通常會采用ASIC，但這時又該如何滿足對靈活性的需求呢？無論是算法的演變、需求變化、供應商和經(jīng)營者的具體要求、協(xié)議適配，還是功能系統(tǒng)單元塊的多樣接口，它們都對靈活性提出了一定程度的要求。</P> <P>　　Speedcore™eFPGA IP便是這一問題的最終答案，它可令ASIC能夠具備“恰到好處”的靈活性。其中查找表（LUT）、內(nèi)存、DSP/MLP和2D NoC的資源量與組合方式可由ASIC開發(fā)者決定，Achronix則會為他們的ASIC或SoC設計提供集成在芯片上的定制IP。</P> <P>　　VectorPath™加速卡是采用PCIe外形結(jié)構的硬件加速平臺，可以考慮用作評估、開發(fā)與現(xiàn)場測試工具，或也可以用于量產(chǎn)應用。該解決方案也可以根據(jù)用戶的具體要求量身定制。</P> <P>　　結(jié)語</P> <P>　　AI、ML和DL將繼續(xù)推動工業(yè)4.0和5.0的發(fā)展，使生產(chǎn)力與效率更上層樓。在IoT和5G技術的協(xié)助下，自動化和機器人將與人類的奇思妙想和創(chuàng)造力融為一體，孕育出人類在10年前未曾想象的制造環(huán)境。FPGA促成了傳感器融合，能夠與眾多物聯(lián)網(wǎng)設備連接，充分把握制造環(huán)境下人工智能系統(tǒng)所需的高性能與靈活性之間的平衡。</P>

<li id="aikmk"></li>