电子@@创新@@188足彩外围@@app 网@@ - 人工智能@@ - 188足彩网

MagikEye推出@@Pico图@@像@@传感@@器@@@@：在@@消费@@电子@@@@展上@@为@@机器人@@时代开创人工智能@@之眼@@

judy — Fri, 22 Dec 2023 07:21:48 +0000

3D传感@@技术@@的@@先驱@@Magik Eye Inc. (www.magik-eye.com) 将在@@美国@@内华达州拉斯维加斯举行的@@@@2024年@@消费@@电子@@@@展@@(CES)上@@展示@@其@@开创性的@@@@Pico深度传感@@器@@@@(Pico Depth Sensor)。肩负着@@“为@@机器人@@时代提供@@人工智能@@之眼@@”的@@使命@@，Pico深度传感@@器@@@@堪称@@MagikEye在@@迈向人工智能@@与@@机器人@@卓越之旅的@@一大关键里程碑@@。

Pico深度传感@@器@@@@创新的@@核心在@@于它使用@@@@了@@MagikEye专有的@@@@Invertible Light™可逆光技术@@@@(ILT)。该@@技术@@可在@@@@Raspberry Pi RP2040中@@的@@@@“裸金属@@”ARM M0处理器上@@高@@效@@运行@@。这一非凡功能彰显传感@@器@@无需专用@@芯片即@@可提供@@高@@品质@@3D传感@@的@@能力@@@@@@。此外@@，尽管@@Pico Sensor使用@@@@RP2040展示@@其@@功能@@，但@@其@@底层@@技术@@在@@设计时考虑了适应性@@，以便在@@各种微控制器内核上@@无缝运行@@，包括@@基于@@流行的@@@@RISC-V架构@@的@@微控制器内核@@。这种灵活性标志着在@@不同平台上@@实现@@先进@@3D传感@@的@@可及性与@@适应性方面@@取得重大飞跃@@。

MagikEye创始人兼首席执行官@@Takeo Miyazawa强调@@了传感@@器@@的@@变革潜力@@@@，他表@@示@@@@:“就像个@@人电脑使技术@@普及并推动生产力@@的@@革命一样@@，Pico深度传感@@器@@@@将在@@人工智能@@和@@机器人@@领域引发类似的@@变革@@。它不仅是@@一款创新产品@@，更是@@通往自@@动驾驶汽车@@@@@@、智能家居系统@@等@@领域新天地的@@门户@@。在@@这些@@领域@@，人工智能@@和@@深度传感@@将融合在@@一起@@，创造出更智能@@、更直观的@@解决方案@@@@。”

我们诚挚邀请@@CES 2024与@@会者参观@@MagikEye的@@展位@@@@，获得@@Pico传感@@器@@的@@专属亲身体验@@。本公司将于@@2024年@@1月@@9日至@@@@11日在@@拉斯维加斯希尔顿会议中@@心的@@大使套房举行现场演示@@，展示@@MagikEye最新的@@下一代@@3D传感@@解决方案@@@@。演示机会有限@@，可联系@@ ces2024@magik-eye.com 进行私人预约@@。

关于@@ Magik Eye Inc. www.magik-eye.com

自@@2014年@@成立以来@@，Magik Eye Inc.一直是@@@@3D深度传感@@技术@@的@@开拓者@@。该@@公司不断创新其@@紧凑@@、高@@效@@、高@@性能的@@@@Invertible Light™技术@@。MagikEye致力@@于实现@@@@“3D无处不在@@@@”的@@愿景@@，正在@@重塑人工智能@@和@@机器人@@技术@@的@@格局@@。MagikEye拥有@@一系列@@@@3D深度传感@@解决方案@@@@@@，支持@@智能手机@@、机器人@@和@@监控的@@广泛应用@@@@@@，并拥有@@基于@@@@Invertible Light™的@@强大专利组合@@，可实现@@最小巧@@、最快捷@@、最节能的@@@@3D传感@@。

通过@@碳化硅@@@@ TOLL 封装@@开拓人工智能@@计算@@的@@前沿@@

judy — Mon, 20 Nov 2023 02:25:51 +0000

Wolfspeed 采用@@@@ TOLL 封装@@的@@碳化硅@@@@ MOSFET 产品组合@@丰富@@，提供@@优异的@@散热@@，极大简化了热管理@@。

近些年@@来@@，人工智能@@（AI）的@@蓬勃发展推动了芯片组技术@@的@@新进步@@。与@@传统@@ CPU 相比@@@@，现在@@@@的@@芯片@@组功能更强大@@，运行更高@@效@@@@，但@@功率消耗也更高@@@@。功率消耗的@@急剧攀升为@@系统@@设计人员带来了难题@@，他们正在@@努力@@设计既能在@@更小的@@空间内提供@@更大功率@@，又能保证效率和@@可靠性的@@电源@@。

Wolfspeed 的@@新型@@@@ C3M0025065L 25 mΩ 碳化硅@@ MOSFET（图@@ 1）为@@现代服务器电源面临的@@功率消耗难题提供@@了理想的@@解决方案@@@@。

图@@ 1：C3M0025065L 的@@封装@@背面有一块很大的@@金属片@@，并设计有单独的@@驱动器源极引脚@@（来源@@：Wolfspeed）。

C3M0025065L 采用@@@@符合@@ JEDEC 标准@@的@@@@ TO 无引线@@@@（TOLL）封装@@，与@@采用@@@@诸如@@@@ D2PAK 等@@封装@@的@@同类表@@面贴装器件@@（SMD）相比@@@@，其@@尺寸小@@ 25%，高@@度低@@ 50%。更小的@@尺寸可以使热阻最多降低@@ 20%，从@@而@@为@@整个@@系统@@带来成本@@、空间和@@重量优势@@。此外@@，TOLL 封装@@的@@电感比@@诸如@@@@ D2PAK 等@@其@@他@@ SMD 更低@@，如@@图@@@@ 2 所示@@，该@@封装@@的@@背面有一块更大的@@金属片@@，因此@@焊接到@@@@ PCB 上@@可以更好地散热@@。

图@@ 2：TOLL 与@@ D2PAK 的@@金属片面积尺寸对比@@@@（来源@@：Wolfspeed）。

表@@ 1 展示@@了人工智能@@芯片组如@@何会产生数百瓦的@@功率消耗@@，以及@@如@@何将功率提供@@要求提高@@到@@超过@@ 3.5 kW。此外@@，这些@@电源需要符合@@ Titanium 80+ 标准@@，该@@标准@@要求电源使用@@@@的@@@@输入不论是@@@@ 230 VAC 还是@@@@ 115 VAC，在@@负载为@@@@ 50% 和@@ 100% 时的@@最低效率分别应达到@@@@@@ 92% 和@@ 90%。

使用@@@@ C3M0025065L，设计人员可以运用@@图@@腾柱@@ PFC 实现@@ 0.95 的@@最低功率因数@@，并符合@@ Titanium 80+ 标准@@。该@@拓扑结构在@@推挽配置中@@使用@@@@两个@@@@开关@@，凭借零反向恢复电流@@、低封装@@电感以及@@更宽的@@输入电压范围能提供@@高@@效@@率和@@低@@ EMI。

表@@ 1：顶尖人工智能@@@@ GPU 的@@功率消耗不断攀升@@。

Wolfspeed 采用@@@@ TOLL 封装@@的@@碳化硅@@@@ MOSFET 产品组合@@丰富@@，能提供@@优异的@@散热@@@@，极大简化了热管理@@，即@@便在@@严苛的@@条件下也是@@如@@此@@。节省空间的@@@@ TOLL 封装@@可实现@@更为@@紧凑和@@精简的@@设计@@，是@@ Wolfspeed 继续突破碳化硅@@器件现场工作@@超@@ 10 万@@亿小时@@（并在@@不断增加@@）记录的@@最新器件之一@@。

您可在@@@@ Wolfspeed.com 上@@或@@通过@@您当地的@@授权经销商获取新型@@@@ C3M0025065L 的@@样品@@。如@@需了解@@ Wolfspeed 如@@何与@@遍布全球@@的@@电源设计人员开展合作的@@更多信息@@@@，敬请访问@@@@ https://www.wolfspeed.com/applications/power/industrial/server-power-sup...。

英文原文@@，敬请访问@@@@：
https://www.powerelectronicsnews.com/enabling-the-ai-computing-frontier-...

关于@@ Wolfspeed, Inc.
Wolfspeed（美国@@纽约证券交易所上@@市@@代码@@: WOLF）引领碳化硅@@@@（SiC）技术@@在@@全球@@市@@场的@@采用@@@@@@。我们为@@高@@效@@能源节约和@@可持续未来提供@@业界领先的@@@@解决方案@@@@。Wolfspeed 产品家族包括@@了@@ SiC 材料@@、功率器件@@，针对电动汽车@@@@、快速充电@@、可再生能源和@@储能等@@多种应用@@@@@@。我们通过@@@@勤勉工作@@@@、合作以及@@对于创新的@@热情@@，开启更多可能@@。了解更多详情@@，敬请访问@@@@ www.wolfspeed.com。

Microchip推出@@最全面的@@@@800G 有源电缆@@ （AEC）解决方案@@，用@@于生成式@@人工智能@@网@@络@@@@

judy — Thu, 09 Nov 2023 07:45:53 +0000

新型@@META-DX2C 800G重定时器@@得到@@全面的@@硬件和@@软件参考设计支持@@@@，包含关键@@Microchip元器件@@

生成式@@ AI 和@@ AI/ML 技术@@的@@兴起对更高@@速连接@@提出了新需求@@@@，推动后端数据@@@@中@@心@@网@@络@@和@@应用@@@@实现@@@@800G连接@@。使用@@@@有源电子@@电缆@@（AEC）是@@当前最有效的@@解决方案@@@@，但@@电缆供应商需要克服许多设计和@@开发障碍@@。为@@解决这一问题@@，Microchip Technology Inc.（微芯科技公司@@）今日宣布@@推出@@@@META-DX2C 800G 重定时器@@，为@@双密度四通道小型可插拔封装@@@@（QSFP-DD）和@@八通道小型可插拔封装@@@@ （OSFP） AEC 电缆产品提供@@加速开发路径@@。重定时器@@由@@@@800G AEC 产品开发@@综合解决方案@@提供@@支持@@@@，包括@@硬件参考设计和@@完整的@@通用@@管理接口规范@@@@ （CMIS）软件包@@，以最大限度地减少电缆制造@@商所需的@@开发资源@@@@。

Microchip通信业务部副总裁@@Maher Fahmi表@@示@@：“这是@@我们@@META-DX2以太网@@@@PHY系列@@中@@最新@@、最紧凑的@@产品@@，利用@@@@Microchip独特的@@单片机@@和@@其@@他关键元器件@@@@，提供@@了完整的@@参考设计@@，可加快@@AEC产品开发@@，减少资源@@投资并简化供应链管理@@。META-DX2C重定时器@@实现@@了生成式@@人工智能@@应用@@@@所需高@@密度网@@络@@的@@@@AEC连接@@。”

META-DX2C重定时器@@采用@@@@高@@性能@@、长距离@@112G SerDes，可支持@@最高@@@@40 dB的@@传输@@，从@@而@@能够设计更薄@@、更长的@@@@ AEC，这对于密集的@@超大规模基础设施建设至@@关重要@@。此外@@，Microchip还提供@@经过全面验证的@@插卡硬件参考设计和@@在@@@@Microchip 32位@@PIC32单片机@@中@@部署@@CMIS软件的@@软件包@@@@。Microchip的@@META-DX2C 紧凑型重定时器@@还能解决大容量数据@@@@中@@心@@交换机和@@路由@@器中@@类似连接@@难题@@，避免高@@密度和@@数据@@@@速率导致信号完整性问题@@。

市@@场研究公司@@650 Group联合创始人兼分析师@@Alan Weckel表@@示@@：“生成式@@人工智能@@正在@@对数据@@@@中@@心@@基础设施的@@建设方式和@@所需的@@网@@络@@连接@@量产生巨大影响@@。为@@了应对这一挑战@@，超大规模企业需要高@@带宽@@、低功耗@@和@@低成本的@@解决方案@@@@。我们调研发现@@，有源电缆@@是@@应对这一挑战的@@最佳解决方案@@@@。Microchip的@@META-DX2C 800G AEC重定时器@@顺应了这一趋势@@，是@@实现@@该@@领域增长@@所需的@@解决方案@@@@。”

开发包@@
Microchip 的@@ META-DX2C 800G AEC 解决方案@@由@@插卡参考设计提供@@支持@@@@。该@@参考设计包括@@@@META-DX2C重定时器@@、PIC32单片机@@、振荡器@@、降压稳压器和@@线@@性稳压器@@，全部来自@@@@Microchip。由@@单一供应商提供@@这些@@元器件@@可简化客户的@@供应链管理@@。随附的@@软件开发工具包符合@@CMIS 5.2规范@@。

供货@@
META-DX2C重定时器@@（部件编号@@：PM6254）包含硬件参考设计@@、固件解决方案@@和@@@@SDK，现已上@@市@@@@。如@@需了解@@更多信息@@，请访问@@META-DX系列@@产品网@@页或@@联系@@Microchip销售代表@@@@。

资源@@
可通过@@@@Flickr或@@联系编辑获取高@@分辨率图@@片@@（欢迎自@@由@@发布@@）：
应用@@@@图@@片@@：www.flickr.com/photos/microchiptechnology/53253255988/sizes/l/

Microchip Technology Inc. 简介@@
Microchip Technology Inc.是@@致力@@于智能@@、互联和@@安全@@的@@嵌入@@式控制解决方案@@的@@领先供应商@@。其@@易于使用@@@@的@@@@开发工具和@@丰富的@@产品组合@@让客户能够创建@@最佳设计@@，从@@而@@在@@@@降低风险的@@同时@@减少系统@@总成本@@，缩短上@@市@@时间@@。Microchip的@@解决方案@@为@@工业@@@@、汽车@@、消费@@、航天和@@国防@@、通信以及@@计算@@市@@场中@@@@12万@@5千多家客户提供@@服务@@。Microchip总部位@@于美国@@亚利桑那州@@Chandler市@@，提供@@出色的@@技术@@支持@@@@、可靠的@@产品交付和@@卓越的@@质量@@。详情请访问@@公司网@@站@@www.microchip.com。

传感@@器@@正在@@悄悄改变体育裁判@@的@@视界@@ 它是@@怎么做到@@的@@@@？

judy — Tue, 24 Oct 2023 03:11:41 +0000

作者@@： JulieEleftheriou，来源@@：得捷电子@@@@DigiKey

美国@@职业棒球大联盟专员@@ Rob Manfred 最近告诉@@@@ ESPN，机器人@@裁判将在@@@@ 2024 年@@进入大联盟@@。这种电子@@击打区或@@自@@动击球系统@@@@ (ABS) 包括@@本垒板后面的@@一个@@传感@@器@@和@@多个@@三角定位@@的@@鹰眼光学跟踪摄像机@@。该@@系统@@使用@@@@投球弧线@@以及@@击球手击打区的@@位@@置@@、尺寸来确定任何特定投球的@@好坏@@。当击球手没有挥棒时@@，该@@系统@@会在@@几秒钟内将正确的@@判决转发到@@裁判员的@@耳机中@@@@。

图@@ 1：体育中@@使用@@@@的@@@@技术@@并不新鲜@@。照片镜头补充了这个@@@@1950 年@@的@@@@自@@动裁判机@@。（图@@片来源@@@@：Walter Stein - 美联社@@）

2023年@@，ABS 将在@@所有小联盟的@@比@@赛中@@使用@@@@@@，以允许进行一些实验@@。在@@一半的@@@@ AAA 场地中@@@@，所有的@@判决将由@@@@ ABS 自@@动执行@@。另一半将使用@@@@@@ ABS 挑战系统@@@@。在@@该@@系统@@中@@@@@@，裁判员还是@@@@象往常一样判决球和@@击球@@...但@@击球手@@、投手或@@捕手可以挑战该@@判决@@。在@@这些@@情况下@@，机器人@@裁判将做出最终决定@@。

体育分析的@@技术@@构件@@

根据@@@@反馈@@，棒球机器人@@裁判并不是@@体育领域的@@唯一应用@@@@@@——事实上@@@@，体育分析市@@场到@@@@ 2025 年@@可能达到@@@@@@ 45亿美元@@。虽然产品功能和@@规格因制造@@商而@@异@@，但@@某些技术@@是@@@@大多数分析系统@@不可或@@缺的@@@@。请考虑三个@@例子@@：

1.物联网@@传感@@器@@嵌入@@到@@设备中@@或@@由@@球员佩戴@@。这些@@传感@@器@@捕获的@@参数包括@@位@@置@@、运动@@、加速度@@、振动@@、力@@、压力@@和@@冲击@@。

图@@ 2：用@@于可穿戴市@@场的@@六轴@@和@@九轴@@运动@@传感@@器@@@@比@@比@@皆是@@@@。本文所示@@为@@三个@@带有片上@@处理器的@@@@ MEMS惯性测量装置@@ (IMU)。（图@@片来源@@@@：TDK InvenSense）

2.超宽带@@ (UWB) 是@@一种短程无线@@通信协议@@。由@@于通过@@高@@频无线@@电波进行操作@@，因此@@ UWB 可以比@@蓝牙@@、GPS 或@@ Wi-Fi 捕获更精确的@@空间和@@方向数据@@@@@@。光学跟踪系统@@使用@@@@高@@速@@、同步摄像机@@，以每秒@@ 300 帧以上@@的@@速度从@@多个@@角度捕捉视频图@@像@@@@。

图@@ 3：鹰眼跟踪摄像机帮助官员在@@足球@@（橄榄球@@）和@@板球比@@赛以及@@游泳和@@网@@球比@@赛中@@作出裁决@@。（图@@片来源@@@@：Hawk-Eye Innovations）

3.人工智能@@ (AI) 软件即@@时处理数据@@@@@@，然后@@将其@@转换为@@其@@他格式@@，如@@适合广播公司的@@@@视频评论系统@@@@、视觉@@效果以及@@适合球迷的@@移动应用@@@@@@。

图@@ 4：用@@于健身和@@体育的@@运动@@捕捉传感@@器@@常见于可穿戴设备中@@@@。（图@@片来源@@@@：Movella Xsens Technologies BV）

应用@@@@聚焦@@：国际足联世界杯期间采用@@@@的@@互联技术@@@@

2022年@@卡塔尔世界杯的@@正式比@@赛用@@球采用@@@@了由@@@@ Adidas、FIFA 和@@ KINEXON 开发的@@新追踪技术@@@@。Adidas 悬架系统@@用@@于稳定球内的@@@@ 500 Hz 惯性运动@@单元@@ (IMU) 运动@@传感@@器@@@@。IMU 以每秒@@500 次的@@速度收集关于@@球的@@精确的@@位@@置时间数据@@@@@@。体育场周围的@@鹰眼摄像机以每秒@@@@ 500 次的@@速度追踪球的@@位@@置@@。鹰眼的@@半自@@动越位@@应用@@@@@@ SkeleTRACK 以每秒@@多达@@ 50 次的@@速度追踪每个@@球员的@@@@ 29 个@@位@@置点@@。

图@@ 5：2022 国际足联世界杯使用@@@@的@@@@足球包括@@@@ KINEXON 连接@@，以更多的@@数据@@@@@@增强视辅助理裁判@@ (VAR) 系统@@。（图@@片来源@@@@：Sdidas）

当这些@@技术@@结合在@@一起时@@，视频比@@赛官和@@视频辅助裁判@@ (VAR) 就能获得@@需要的@@数据@@@@@@@@，从@@而@@做出快速@@、准确@@、一致的@@越位@@判决@@。该@@软件还能生成球员的@@@@ 3D 图@@像@@，并在@@体育场内的@@大屏幕上@@显示@@。其@@他应用@@@@将比@@赛直播与@@个@@别球员和@@球队的@@当前和@@历史表@@现数据@@@@相比@@@@较@@。这也是@@第一年@@在@@体育场用@@手机拍摄垂直格式的@@社交媒体内容@@，使内容创作者@@能够以近乎直播的@@效果分享比@@赛的@@关键时刻@@。在@@家观看@@比@@赛的@@球迷可以利用@@@@国际足联的@@增强现实@@ (AR) 应用@@@@——将自@@己的@@客厅变成@@ 3D 数据@@@@中@@心@@。

应用@@@@聚焦@@：用@@ NHL Edge 追踪冰球和@@球员@@

NHL在@@ 2022 年@@麻省理工学院@@斯隆体育分析大会上@@获得@@了著名的@@阿尔法最佳体育创新奖@@。该@@联盟因其@@冰球和@@球员追踪技术@@@@，即@@ NHL Edge 品牌而@@获得@@认可@@。该@@应用@@@@@@（由@@ SportsMEDIA Technology 或@@ SMT 创建@@）具有获得@@专利的@@@@Bright Star 传感@@器@@嵌入@@式冰球@@。当冰球受到@@冲击时@@，比@@如@@@@掉到@@冰面上@@或@@被球员击中@@@@，传感@@器@@就会被唤醒并发出红外光@@，并传送到@@场馆内的@@多台光学追踪摄像机@@。SMT 的@@ OASIS 平台处理数据@@@@并分发给官员@@、教练@@、广播员和@@球迷@@。

图@@ 6：嵌入@@ NHL 冰球的@@传感@@器@@为@@球队@@、广播公司和@@球迷生成更多数据@@@@@@。（图@@片来源@@@@：Paul Sancya - 美联社@@）

图@@ 7：通过@@ NHL 球衣背面的@@传感@@器@@实现@@实时球员追踪@@。（图@@片来源@@@@：Paul Sancya - 美联社@@）

数据@@@@分析几乎在@@每一项职业运动@@中@@都深入人心@@，但@@ NHL Edge 背后的@@驱动力@@却是@@球迷的@@参与@@@@。总体上@@座率一直在@@下降@@，而@@能否吸引年@@轻球迷决定着联盟的@@未来@@。由@@ 5G 和@@边缘计算@@支持@@的@@场内应用@@@@将数字信息实时叠加到@@比@@赛视频上@@@@。广播员和@@球迷@@可以在@@几秒钟内看@@到@@球员的@@数字@@、统计资料和@@历史表@@现@@。观众很快就能通过@@增强现实@@ (AR) 头盔@@，将自@@己置身于冰上@@的@@行动中@@@@。把此类应用@@@@扩展到@@其@@他职业运动@@的@@潜力@@无疑是@@赢得阿尔法奖的@@一个@@因素@@。

先别急着考虑人@@

先进的@@分析@@技术@@有助于运动@@员更有效地训练@@@@，更好地表@@现并更安全@@地投入比@@赛@@。光学追踪和@@视频审查系统@@解决了比@@赛争议并加快了比@@赛@@。将应用@@@@联网@@后@@，球迷能够以前所未有的@@方式与@@球队和@@球员接触@@。但@@是@@@@，让机器凌驾于人类教练@@的@@直觉之上@@是@@另一回事@@。

在@@ 2022 年@@全美联赛分区系列@@赛@@ (NLDS) 的@@第四场比@@赛中@@@@，Dodgers 队经历@@ Dave Roberts 在@@第五局下半场撤下了先发投手@@ Tyler Anderson。《体育画报@@》指出@@，Anderson 投出了一场大师级的@@比@@赛@@，在@@ 86 个@@投球中@@只允许有两个@@@@安打和@@零分@@。Anderson 告诉@@《洛杉矶时报@@》，他本来可以投一整晚的@@@@。

数字计算@@员们不同意@@。

根据@@@@分析结果@@，在@@第六局换上@@一个@@新投手是@@正确的@@做法@@——理论上@@@@，这个@@决定可能在@@比@@赛开始前就已经做出了@@。（Roberts 在@@媒体见面会上@@迟到@@了@@ 45 分钟@@，因为@@他被决策小组的@@工作@@耽搁了@@)。具有讽刺意味的@@是@@@@，Dodgers 队赢得了@@ 2020 年@@世界系列@@赛的@@第六场比@@赛@@，当时@@ Tampa Bay Rays 队的@@投手@@ Blake Snell 在@@投出他职业生涯中@@最好的@@一场比@@赛时被撤下@@。该@@队主教练@@@@Kevin Cash 承认是@@利用@@@@他们的@@数据@@@@@@分析结果做出这个@@决定的@@@@。可以说@@@@，分析可以是@@一种有价值的@@方法@@@@...但@@不是@@整个@@球赛@@。

小编的@@话@@

在@@边缘侧应用@@@@领域@@，将传感@@器@@@@、通信和@@@@AI结合在@@一起从@@而@@构建智能化的@@传感@@系统@@将成为@@一种趋势@@，这将为@@边缘侧带来更多的@@创新应用@@@@@@。本文提到@@的@@在@@体育分析中@@应用@@@@智能传感@@系统@@来进行裁判@@，就是@@一个@@正在@@发生的@@典型用@@例@@。您是@@否关注过智能传感@@系统@@@@？是@@否正在@@开发这类系统@@@@？您对智能传感@@系统@@的@@应用@@@@趋势有哪些看@@法@@？欢迎留言@@，分享交流@@！

2023年@@AI半导体市@@场将达到@@@@@@@@534亿美元@@

judy — Mon, 04 Sep 2023 01:48:13 +0000

根据@@@@Gartner的@@最新预测@@，用@@于执行人工智能@@@@（AI）工作@@负载的@@半导体将在@@@@2023年@@为@@半导体行业带来@@534亿美元@@的@@收入@@，比@@2022年@@增长@@@@20.9%。

在@@预测期内@@，人工智能@@半导体收入将继续保持两位@@数的@@增长@@率@@，2024年@@将增长@@@@25.6%，达到@@@@671亿美元@@。到@@2027年@@，人工智能@@芯片收入预计@@将是@@@@2023年@@市@@场规模的@@两倍@@以上@@@@，达到@@@@1194亿美元@@。

随着@@在@@企业中@@使用@@@@基于@@@@AI的@@工作@@负载的@@成熟@@，更多的@@行业和@@@@IT组织将部署包含@@AI芯片的@@系统@@@@。在@@消费@@电子@@@@市@@场@@，Gartner分析师估计@@，到@@2023年@@底@@，支持@@AI的@@应用@@@@处理器的@@价值将达到@@@@@@@@12亿美元@@，高@@于@@2022年@@的@@@@5.58亿美元@@。

对高@@效@@和@@优化设计的@@需求@@@@，以支持@@基于@@人工智能@@工作@@负载的@@经济高@@效@@执行@@，将推动定制设计的@@人工智能@@芯片部署的@@增加@@。

生成式@@人工智能@@也推动了对高@@性能计算@@系统@@的@@开发和@@部署需求@@@@，许多供应商提供@@基于@@@@GPU的@@高@@性能系统@@和@@网@@络@@设备@@，并看@@到@@了显著的@@近期效益@@。从@@长远来看@@@@，随着@@超大规模企业寻找高@@效@@@@、经济的@@方式来部署这些@@应用@@@@程序@@，Gartner预计@@它们对定制设计的@@人工智能@@芯片的@@使用@@@@将会增加@@。

本文转载自@@@@： 199IT互联网@@数据@@@@中@@心@@微信公众号@@@@

相机@@和@@@@AI：工业@@机器视觉@@@@技术@@加速发展的@@双引擎@@

judy — Mon, 21 Aug 2023 02:37:13 +0000

机器视觉@@@@（MV）是@@一种使机器人@@和@@自@@动驾驶汽车@@@@等@@其@@他@@机器能够看@@到@@和@@识别周围环境中@@物体的@@技术@@@@。在@@过去几年@@里@@，机器视觉@@@@的@@进步使得@@许多机器人@@和@@自@@动驾驶汽车@@@@拥有@@了几乎与@@人类相似的@@感知@@水平@@。这个@@过程主要是@@通过@@将光学传感@@器@@与@@人工智能@@和@@可以分析和@@处理图@@像@@数据@@@@的@@机器学习@@工具进行配对@@，此时搭载了机器视觉@@@@系统@@的@@机器人@@和@@自@@动驾驶汽车@@@@就能够执行非常复杂的@@任务了@@。

眼睛和@@大脑@@：机器视觉@@@@和@@@@计算@@机视觉@@@@的@@主要区别@@

很多时候@@，机器视觉@@@@会与@@计算@@机视觉@@@@一词混为@@一谈@@。然而@@@@，事实上@@@@二者还是@@@@有区别的@@@@。对机器视觉@@@@而@@言@@，它通常与@@具备计算@@机视觉@@@@能力@@的@@工业@@应用@@@@联系在@@一起@@，需要摄像头来捕捉和@@提供@@图@@像@@数据@@@@@@。计算@@机视觉@@@@的@@任务则是@@将已有的@@图@@像@@@@数字化@@，处理其@@中@@@@包含的@@数据@@@@@@并采取某种行动@@。

一般来讲@@，机器视觉@@@@系统@@的@@处理能力@@相对较小@@，主要用@@于精益制造@@环境@@，通过@@高@@速执行实际任务以获取完成指定作业所需的@@数据@@@@@@@@。计算@@机视觉@@@@系统@@是@@处理视觉@@数据@@@@的@@人工智能@@@@（AI）和@@机器学习@@@@（ML）算法@@的@@所在@@@@，它需要收集尽可能多的@@关于@@物体或@@场景的@@@@数据@@@@并充分理解它们@@。因此@@，计算@@机视觉@@@@既要能够分析来自@@运动@@检测器@@、红外传感@@器@@等@@来源@@的@@图@@像@@@@@@，又可以在@@没有相机@@的@@情况下执行任务@@，扫描数字网@@络@@照片或@@视频@@，处理来自@@任何来源@@@@（包括@@互联网@@@@）的@@图@@像@@@@。从@@本质上@@讲@@，机器视觉@@@@就是@@系统@@的@@眼睛@@，而@@计算@@机视觉@@@@则相当于@@系统@@的@@大脑@@。

相机@@：机器视觉@@@@系统@@中@@@@的@@重要组件@@

机器视觉@@@@是@@一项看@@似简单但@@实际上@@相当复杂的@@技术@@@@。首先@@，它需要使用@@@@专门的@@光学器件来捕捉周围环境中@@的@@@@视觉@@信息@@。然后@@，再借助硬件和@@软件的@@组合对图@@像@@的@@某些特征进行处理@@、分析和@@测量@@。例如@@@@，作为@@制造@@系统@@的@@一部分的@@机器视觉@@@@应用@@@@程序可以用@@于分析在@@装配线@@上@@制造@@的@@零件的@@特定特性@@，确定零件是@@否符合质量标准@@@@。

在@@实际应用@@@@中@@@@，机器视觉@@@@常常被看@@作是@@计算@@机的@@一种视觉@@能力@@@@，其@@系统@@由@@一个@@或@@多个@@光学传感@@器@@@@（如@@高@@分辨率相机@@@@）、模数转换@@（ADC）和@@数字信号处理@@（DSP）等@@器件组成@@。相机@@和@@@@传感@@器@@用@@于收集感光形式的@@图@@像@@@@@@，并将其@@转化为@@电信号@@，所产生的@@电信号经数字化处理后被传输到@@计算@@机进行分析并提供@@所需的@@输出@@。在@@技术@@复杂性上@@@@，机器视觉@@@@与@@@@语音识别@@相似@@。

目前@@，用@@于制造@@业的@@机器视觉@@@@主要采用@@@@两种类型的@@相机@@@@，即@@：面阵扫描相机@@和@@@@线@@阵扫描相机@@@@。

面阵扫描相机@@使用@@@@矩形传感@@器@@在@@单个@@帧中@@拍摄照片@@，传感@@器@@中@@的@@@@像素数量对应于图@@像@@的@@宽度和@@高@@度@@。线@@阵扫描相机@@是@@逐个@@像素地构建图@@像@@@@，它们适用@@于拍摄运动@@中@@或@@尺寸不规则的@@物品的@@图@@像@@@@@@。在@@拍摄照片时@@，传感@@器@@在@@物体上@@以线@@性运动@@通过@@@@，因此@@，线@@阵扫描相机@@不像面阵扫描相机@@那样局限于特定的@@分辨率@@。

相机@@的@@灵敏度和@@分辨率是@@机器视觉@@@@系统@@的@@两个@@@@重要参数@@，其@@中@@@@，分辨率负责区分物体@@，而@@灵敏度是@@机器在@@光线@@昏暗或@@波长不可见的@@情况下检测物体或@@微弱脉冲的@@能力@@@@@@。一般来说@@@@，分辨率越大@@，视野就越有限@@。灵敏度和@@分辨率是@@相互依存的@@@@，如@@果其@@他因素不变@@，增加灵敏度就会降低分辨率@@，而@@增加分辨率则会降低灵敏度@@。面阵相机@@的@@分辨率和@@扫描频率一般均低于线@@阵相机@@@@。

许多机器视觉@@@@相机@@的@@分辨率超过@@4,500万@@像素@@，这些@@相机@@能以极高@@的@@速度拍摄物体而@@不会失真@@。推动机器视觉@@@@功能的@@另一个@@进步是@@基于@@事件的@@视觉@@传感@@器@@@@。这些@@传感@@器@@处理图@@像@@的@@方式与@@人眼的@@视神经处理信息的@@方式类似@@。更具体地说@@@@，这些@@基于@@事件的@@视觉@@传感@@器@@检测每个@@像素的@@亮度变化@@。这种能力@@使机器视觉@@@@能够在@@比@@传统的@@基于@@帧的@@视觉@@传感@@器@@暗得多的@@环境中@@使用@@@@@@。

Sony Spresense的@@ISX012是@@一款有效像素达到@@@@@@511万@@像素@@的@@图@@像@@@@传感@@器@@@@@@，相机@@板@@在@@@@Spreseense的@@主板上@@使用@@@@了这款结构紧凑@@、高@@分辨率的@@传感@@器@@来扩展主板的@@功能@@。板载@@编码器可以采集@@JPEG、RAW、Y/C或@@RGB格式的@@图@@片@@。相机@@板@@通过@@专用@@的@@并行接口直接连接@@到@@主板@@，当与@@主板上@@@@CXD5602微控制器的@@@@AI功能相结合时@@，可为@@物联网@@设备提供@@先进的@@视觉@@功能@@。

图@@1：可提供@@先进的@@视觉@@功能的@@@@Sony Spresense相机@@板@@（图@@源@@：Mouser）

当然@@，出于应用@@@@成本的@@考虑@@，机器视觉@@@@系统@@不是@@越复杂越好@@，而@@应选择适合的@@@@。一维@@（1D）视觉@@、二维@@（2D）视觉@@以及@@三维@@（3D）视觉@@这三种类型是@@常用@@的@@@@、面向@@不同任务的@@机器视觉@@@@系统@@@@。

1D视觉@@

1D视觉@@不会一次性完成整个@@物体图@@像@@的@@分析@@@@，而@@是@@一次读取一行@@，通常采用@@@@线@@阵扫描相机@@@@，这种类型的@@机器视觉@@@@常常用@@在@@制造@@过程中@@的@@@@产品检测@@，比@@如@@@@用@@来发现传送带上@@产品中@@的@@@@缺陷@@；

2D视觉@@

2D视觉@@主要使用@@@@数码相机@@收集图@@像@@数据@@@@@@，通过@@比@@较一幅图@@像@@与@@下一幅图@@像@@的@@变化来确定下一步应采取的@@处理措施@@，这种类型的@@机器视觉@@@@通常用@@于物体跟踪以及@@产品的@@类型验证等@@@@；

3D视觉@@

3D视觉@@通常在@@不同位@@置使用@@@@多个@@数码相机@@和@@@@其@@他传感@@器@@来捕捉物体的@@数字模型或@@图@@像@@@@，从@@而@@对其@@位@@置@@、大小和@@特征进行准确@@的@@评估@@，因此@@，3D机器视觉@@@@非常适合帮助机器人@@导航周围环境并执行与@@订单相关@@的@@任务@@。

随着@@不同垂直行业对质量检测和@@自@@动化的@@需求@@不断增加@@，3D机器视觉@@@@市@@场将以高@@于@@行业平均水平的@@速度实现@@快速增长@@@@。Grand View Research的@@分析@@数据@@@@表@@明@@，2022年@@，全球@@3D机器视觉@@@@市@@场规模为@@@@58.1亿美元@@，预计@@2023年@@至@@@@2030年@@的@@@@复合年@@增长@@@@率@@@@（CAGR）将达到@@@@@@13.5%。

ams OSRAM公司的@@@@Mira220全局快门图@@像@@传感@@器@@@@@@是@@一款体积小巧@@、专为@@工业@@机器视觉@@@@应用@@@@而@@设计的@@@@2D和@@3D解决方案@@，有效分辨率为@@@@@@1,600（H）x 1,400（V），帧速率可高@@达@@90fps，深度为@@@@12位@@。Mira220采用@@@@的@@先进背面照明@@（BSI）技术@@将传感@@器@@@@层@@堆叠在@@数字@@/读出层@@的@@顶部@@，这种设计产生了占位@@面积仅为@@@@5.3毫米@@×5.3毫米@@的@@芯片@@级封装@@@@，特别适合空间受限产品的@@设计@@。

Mira220的@@功耗@@非常低@@，在@@睡眠模式下仅需@@4mW，在@@空闲模式下功耗@@@@40mW，而@@在@@@@90fps的@@全分辨率下也仅仅需要@@350mW。此外@@，Mira220传感@@器@@还可以利用@@@@@@MIPI CSI-2接口方便地与@@处理器和@@@@FPGA进行交互@@。

图@@2：专为@@工业@@机器视觉@@@@应用@@@@而@@设计的@@@@ams OSRAM的@@Mira220全局快门图@@像@@传感@@器@@@@@@（图@@源@@：ams OSRAM）

工业@@：机器视觉@@@@应用@@@@的@@@@主战场@@

机器人@@之所以能与@@人类做同样的@@工作@@@@，主要归功于机器视觉@@@@@@。机器人@@手臂用@@它来检查从@@装配线@@上@@下来的@@零件和@@产品@@，确定哪些符合质量标准@@@@。此外@@，机器视觉@@@@还使机器人@@和@@人类之间的@@协作更加高@@效@@和@@安全@@@@。现在@@@@，机器视觉@@@@已经成为@@工业@@@@4.0过程自@@动化的@@关键技术@@@@，其@@中@@@@汽车@@@@、制药@@、包装@@、食品和@@饮料等@@垂直行业是@@使用@@@@机器人@@系统@@比@@较突出的@@领域@@。

据@@Grand View Research的@@分析@@，2022年@@，全球@@机器视觉@@@@市@@场规模为@@@@@@168.9亿美元@@，预计@@2023年@@至@@@@2030年@@将以@@12.3%的@@复合年@@增长@@@@率@@（CAGR）增长@@，到@@2030年@@，市@@场规模将达到@@@@@@@@416亿美元@@。按照产品划分@@，机器视觉@@@@产品可细分为@@基于@@@@PC的@@和@@基于@@智能摄像头的@@系统@@@@。2022年@@，基于@@PC的@@细分市@@场在@@全球@@的@@市@@场份额超过@@54.92%，接下来的@@几年@@里预计@@这一趋势仍将得到@@延续@@。

与@@机构或@@教育@@应用@@@@中@@使用@@@@的@@@@机器视觉@@@@系统@@相比@@@@@@，工业@@机器视觉@@@@系统@@通常更耐用@@@@，并要求较高@@的@@可靠性@@、稳定性和@@准确@@性@@，而@@它们的@@成本则比@@在@@军事@@、航空航天@@、国防和@@政府@@应用@@@@中@@使用@@@@的@@@@系统@@要低很多@@。这也是@@近些年@@机器视觉@@@@在@@工业@@领域日益普及的@@重要原因@@。

在@@工业@@应用@@@@中@@@@，机器视觉@@@@常常被用@@于执行各种任务@@，下面@@我们就列举一些@@：

1. 电子@@188足彩外围@@app 的@@识别和@@分析@@。对元器件@@的@@准确@@识别及跟踪是@@整个@@制造@@或@@物流过程控制的@@重要环节@@。例如@@@@，将机器视觉@@@@用@@于电路板的@@焊接过程监控@@，除了完成焊接质量检查@@，还能同步检查元器件@@的@@放置是@@否正确@@。

2. 印刷缺陷识别@@。印刷缺陷识别@@的@@目的@@是@@定位@@印刷异常@@，如@@不正确的@@色调或@@印刷品的@@缺失或@@有缺陷的@@部分@@，机器视觉@@@@的@@应用@@@@大幅降低了人为@@因素可能出现的@@错误@@。

3. 材料@@检查@@。材料@@检测系统@@中@@@@的@@机器视觉@@@@功能确保@@了产品的@@质量控制@@@@，它能准确@@识别产品中@@的@@@@缺陷甚至@@污染物@@。例如@@@@，可将@@机器视觉@@@@系统@@用@@于药丸和@@片剂的@@过程监控@@。

4. 物体定位@@@@。在@@机器人@@制导等@@应用@@@@中@@@@，机器视觉@@@@通常被用@@来寻找东西@@，其@@目的@@是@@确定目标物体的@@坐标和@@位@@置@@。这也是@@机器视觉@@@@普遍的@@应用@@@@之一@@。

5. 模式识别@@。机器视觉@@@@在@@当今的@@医学诊断方面@@发挥了重要作用@@@@。医学成像分析使用@@@@基于@@机器视觉@@@@的@@模式识别@@@@、磁共振成像@@、血液扫描和@@大脑扫描等@@技术@@可对疾病进行准确@@的@@诊断@@。

6. 物体识别@@。在@@汽车@@行业@@，自@@动驾驶汽车@@@@使用@@@@机器视觉@@@@系统@@中@@@@的@@摄像头拍摄的@@图@@像@@@@进行物体识别@@@@，得以准确@@地分析出道路上@@的@@障碍物类型@@。随着@@自@@动驾驶技术@@的@@不断演进@@，这一领域将成为@@机器视觉@@@@极具发展前景的@@应用@@@@之一@@。

人工智能@@：工业@@机器视觉@@@@技术@@发展的@@加速器@@@@

现代机器视觉@@@@系统@@开始越来越多地使用@@@@人工智能@@@@（AI）方法@@与@@技术@@@@，如@@机器学习@@或@@深度学习@@@@，以及@@人工神经网@@络@@@@。AI能够处理大量以前难以收集的@@图@@像@@@@和@@数据@@@@信息@@，加快了决策过程@@。例如@@@@，签名和@@字符识别@@，有了人工智能@@的@@加持@@，机器视觉@@@@系统@@可以快速甄别其@@中@@@@的@@@@细微差别@@。

在@@制造@@业中@@@@，AI有助于物体识别@@和@@材料@@检查@@@@，使机器视觉@@@@系统@@能够理解物体或@@材料@@形状和@@纹理的@@变化@@。在@@质量保证方面@@@@，AI系统@@可以分析出现的@@异常现象@@，而@@不是@@单纯地检出和@@拒绝不符合规范@@的@@产品@@。机器视觉@@@@与@@@@AI和@@深度学习@@相结合@@，扩大了机器人@@在@@执行生产线@@任务中@@的@@@@作用@@@@，如@@挑选@@、分拣@@、放置和@@执行生产线@@扫描@@。这种技术@@组合还使机器人@@能够在@@其@@他环境中@@运行@@，如@@超市@@@@、医院和@@餐馆等@@@@。基于@@AI的@@机器视觉@@@@还可以在@@更广泛的@@背景和@@照明设置中@@识别缺陷@@，并灵活应对产品外观和@@缺陷类型的@@变化@@，例如@@@@凹痕或@@变色@@。

深度学习@@是@@人工智能@@中@@一个@@更复杂@@、更强大的@@子集@@，在@@机器视觉@@@@应用@@@@中@@也越来越多地被采用@@@@@@。在@@人工智能@@的@@支持@@下@@，机器视觉@@@@系统@@常常被用@@来执行复杂的@@任务@@，比@@如@@@@质量控制@@、装配控制@@、过程控制和@@机器人@@操控等@@@@。在@@过去几年@@里@@，将人工智能@@融入机器视觉@@@@应用@@@@是@@工业@@机器视觉@@@@技术@@发展的@@主要加速器@@@@。在@@“未来的@@工厂@@”中@@，机器视觉@@@@和@@@@AI技术@@将是@@过程自@@动化和@@提高@@效@@率的@@关键组成部分@@。

机器视觉@@@@与@@@@AI的@@技术@@进步离不开芯片组的@@支持@@@@。新一代嵌入@@式芯片的@@功能更强大@@，成本合理@@，适用@@于处理图@@像@@和@@运行基于@@@@AI的@@机器视觉@@@@算法@@@@，可将@@深度学习@@训练@@时间从@@数周减少到@@数小时@@。

NXP的@@i.MX 95系列@@应用@@@@处理器将@@eIQ Neutron神经处理单元@@（NPU）、Arm Mali沉浸式@@3D图@@形处理@@、异构安全@@分区和@@网@@络@@功能组合在@@一起@@，可实现@@机器学习@@和@@先进的@@边缘应用@@@@@@。此外@@，i.MX95还集成@@了@@NXP的@@图@@像@@@@信号处理器@@（ISP），支持@@多种不同的@@图@@像@@@@传感@@器@@@@@@，从@@而@@实现@@工业@@@@、机器人@@、医疗和@@汽车@@等@@领域广泛的@@视觉@@应用@@@@@@。为@@此@@，NXP专门针对机器视觉@@@@应用@@@@对这个@@@@ISP进行了优化@@，能支持@@两个@@@@目标区域@@、两个@@@@曝光的@@@@HDR合成@@、先进降噪和@@边缘增强@@，支持@@彩色@@、单色和@@@@RGB-IR摄像头传感@@器@@@@。

在@@i.MX95 SoC中@@，主要通过@@集成@@的@@@@eIQ Neutron NPU实现@@机器视觉@@@@@@，在@@这里@@，NPU作为@@视觉@@处理通路的@@一部分@@，连通多个@@摄像头传感@@器@@@@和@@网@@络@@连接@@的@@智能摄像头@@。

图@@3：NXP i.MX95系统@@框图@@@@（图@@源@@：NXP）

本文小结@@

工业@@机器视觉@@@@是@@使用@@@@相机@@@@、镜头和@@照明设备对制成品进行自@@动视觉@@检查@@。这是@@一种实时检测部件的@@方法@@@@，既快速又准确@@@@，它可以对高@@速生产线@@上@@的@@每一件产品进行拍摄和@@分析@@，通过@@复杂的@@算法@@来检查和@@评估在@@工业@@环境中@@获取的@@图@@像@@@@@@，确保@@100%的@@质量控制@@。它还可以自@@动化许多工业@@检查@@，包括@@缺陷和@@问题的@@目视检查@@、产品存在@@与@@否检查@@、产品类型验证@@、测量和@@产品代码读取等@@@@。今天@@，工业@@自@@动化正在@@以惊人的@@速度发展@@，机器视觉@@@@技术@@在@@其@@发展和@@扩张中@@发挥着至@@关重要的@@作用@@@@。

在@@刚刚过去几年@@里@@，融入了人工智能@@的@@机器视觉@@@@技术@@帮助许多机器人@@和@@自@@动驾驶汽车@@@@实现@@了几乎与@@人类相似的@@感知@@水平@@。通过@@使用@@@@大量先进的@@光学传感@@器@@@@，如@@高@@分辨率相机@@@@，这些@@机器人@@和@@汽车@@最终能够以自@@己的@@方式拥有@@@@“看@@”的@@能力@@@@。多种技术@@的@@融合和@@飞速发展使得@@新应用@@@@的@@@@潜力@@显著增加@@，这意味着未来的@@机器视觉@@@@技术@@将与@@更多的@@行业相关@@@@，所创建@@的@@解决方案@@也将更加通用@@和@@智能@@。

本文转载自@@@@：贸泽电子@@@@微信公众号@@@@

Alphawave Semi率先推出@@基于@@小芯片@@的@@定制硅平台@@

judy — Wed, 12 Jul 2023 02:58:24 +0000

基于@@3纳米小芯片@@平台的@@全面@@IP组合可加速人工智能@@技术@@生成的@@大量数据@@@@在@@计算@@@@、内存和@@@@网@@络@@基础设施中@@的@@@@传输@@@@

Alphawave Semi (LSE: AWE)是@@为@@全世界的@@技术@@基础设施提供@@高@@速连接@@的@@全球@@@@领导者@@。公司今天@@宣布@@，其@@高@@带宽内存@@3 (HBM3) PHY和@@通用@@芯片互连快线@@@@(Universal Chiplet Interconnect Express™, UCIe™) PHY等@@两项@@IP在@@TSMC领先的@@@@3纳米工艺上@@成功流片@@，从@@而@@为@@新一代小芯片@@硅平台铺平了道路@@。这些@@IP专为@@超大规模客户和@@数据@@@@基础设施客户量身定制@@。值得一提的@@是@@@@，Alphawave Semi是@@首家宣布@@UCIe PHY IP支持@@更快的@@每通道@@24Gbps“芯片到@@芯片@@”数据@@@@速率的@@公司@@。在@@“beachfront”方面@@，其@@IP可在@@一毫米@@的@@狭小空间内提供@@每秒@@7.9TB的@@惊人带宽@@。

TSMC的@@3纳米制程技术@@对于制造@@先进芯片至@@关重要@@，这些@@芯片能够有效处理人工智能@@技术@@带来的@@以指数形式激增的@@数据@@@@@@@@，满足在@@计算@@@@、内存带宽@@、I/O速度和@@能效等@@方面@@的@@更高@@需求@@@@。Alphawave Semi的@@3纳米芯片定制硅平台建立在@@灵活@@、可定制的@@连接@@@@IP基础上@@@@。Alphawave Semi拥有@@针对应用@@@@进行优化的@@@@IP子系统@@和@@丰富的@@@@TSMC 3DFabric™生态系统@@经验@@，可将@@CXL™、UCIe™、HBMx和@@以太网@@@@等@@先进接口集成@@到@@定制芯片和@@小芯片@@上@@@@，并使客户从@@这些@@先进技术@@中@@受益@@。

HBM3：满足日益增长@@的@@带宽需求@@@@

在@@人工智能@@和@@高@@性能计算@@@@(HPC)系统@@中@@@@，关键性能指标是@@@@“每瓦内存带宽@@@@”，而@@HBM凭借其@@更高@@的@@带宽@@、最小的@@面积和@@出色的@@能效成为@@首选@@。

Alphawave Semi HBM3 PHY IP面向@@速度高@@达@@8.6Gbps的@@16通道尖端高@@性能内存接口@@，能够以极低功耗@@运行@@。客户正在@@部署来自@@@@Alphawave Semi的@@完整@@HBM子系统@@解决方案@@@@。该@@解决方案@@将@@HBM PHY与@@符合@@JEDEC标准@@的@@@@多功能@@、高@@度可配置的@@@@HBM控制器集成@@在@@@@一起@@。该@@控制器可进行微调@@，以最大限度地提高@@特定应用@@@@的@@@@人工智能@@和@@高@@性能计算@@工作@@负载的@@效率@@。

UCIe：迈向通用@@小芯片@@生态系统@@@@

与@@传统@@的@@单芯片设计相比@@@@@@，小芯片@@具有多项优势@@，包括@@更高@@的@@灵活性@@、可扩展性@@、能效和@@成本效益@@，因此@@有望在@@高@@性能数据@@@@中@@心@@人工智能@@半导体领域占据@@主导地位@@@@。利用@@@@多芯片封装@@技术@@的@@进步@@，系统@@设计人员可以在@@不同的@@工艺节点@@中@@混合和@@匹配预制或@@定制的@@计算@@@@、内存和@@@@IO小芯片@@，以此创建@@完整的@@系统@@级封装@@@@(SIP)，为@@推动@@SIP成为@@未来的@@系统@@主板铺平了道路@@。

Alphawave Semi UCIe PHY IP是@@一种功效极高@@并具有低延迟和@@高@@可靠性的@@接口@@IP，旨在@@以每线@@@@24Gbps的@@极高@@速度连接@@同一封装@@中@@的@@@@小芯片@@硅晶粒@@，同时@@每比@@特功耗@@低@@于@@0.3皮焦耳@@@@。UCIe PHY可与@@@@Alphawave Semi的@@PCIe、CXL和@@流控制器配合使用@@@@@@，以支持@@完整的@@@@UCIe协议栈@@。该@@PHY可通过@@@@配置支持@@先进的@@封装@@技术@@@@，如@@TSMC的@@Chip-on-Wafer-on-Substrate (CoWoS®)和@@整合@@式扇出型封装@@@@(InFO)，这些@@技术@@可最大限度地提高@@信号密度@@。该@@PHY还可通过@@@@配置支持@@有机基板@@，以实现@@更具成本效益的@@解决方案@@@@。

Micron计算@@产品事业部副总裁兼总经理@@@@Praveen Vaidyanathan 表@@示@@：“生成式@@人工智能@@正在@@推动数据@@@@中@@心@@对性能的@@要求@@，并促进了数据@@@@中@@心@@对@@HBM3等@@先进内存解决方案@@的@@需求@@@@，以便获得@@更高@@的@@带宽和@@能效@@。Alphawave Semi的@@HBM3解决方案@@采用@@@@@@TSMC最先进的@@@@3纳米工艺成功流片@@，是@@一个@@激动人心的@@新里程碑@@。该@@解决方案@@将@@使云服务提供@@商能够利用@@@@@@Alphawave Semi的@@HBM3 IP子系统@@和@@定制芯片的@@功能@@，来加速新一代数据@@@@中@@心@@基础设施中@@的@@@@人工智能@@工作@@负载@@。

UCIe联盟主席@@Debendra Das Sharma博士表@@示@@@@：“我们很高@@兴看@@到@@@@Alphawave Semi采用@@@@3纳米工艺成功流片@@高@@达每通道@@24Gbps的@@UCIe IP。这一里程碑显示了@@UCIe如@@何通过@@领先的@@@@芯片@@组连接@@来推动创新@@。Alphawave Semi致力@@于提供@@支持@@开放型小芯片@@生态系统@@发展的@@@@IP，我们对此表@@示@@欢迎@@。”

Alphawave Semi首席执行官兼联合创始人@@Tony Pialis表@@示@@：“我们专注于垂直集成@@半导体@@，很高@@兴能为@@超大型客户和@@数据@@@@基础设施客户提供@@全面的@@@@3纳米芯片连接@@平台@@，让他们能够跟上@@生成式@@人工智能@@等@@数据@@@@密集型应用@@@@激增的@@步伐@@。我们最新的@@@@3nm芯片成功流片@@，证明了@@Alphawave Semi对于在@@连接@@技术@@领域保持领先地位@@的@@不懈努力@@@@，以及@@我们在@@促进开放型小芯片@@生态系统@@合作方面@@所做的@@工作@@@@。”

Alphawave Semi高@@级副总裁兼定制硅和@@@@IP总经理@@Mohit Gupta表@@示@@：“我们很高@@兴地宣布@@，本公司的@@@@@@HBM3 IP和@@业界首款@@24GT/s UCIe IP采用@@@@TSMC 3纳米技术@@同时@@流片成功@@，它们是@@我们的@@@@I/O小芯片@@产品组合@@的@@关键推动因素@@。我们的@@顶级超大规模客户和@@数据@@@@中@@心@@基础设施客户现在@@@@可将@@高@@性能@@3纳米定制@@SoC与@@Alphawave Semi的@@IO连接@@芯片混合搭配使用@@@@@@，为@@其@@人工智能@@系统@@带来新的@@灵活性和@@可扩展性@@@@。”

关于@@ Alphawave Semi

Alphawave Semi是@@为@@全世界的@@技术@@基础设施提供@@高@@速连接@@的@@全球@@@@领导者@@。面对数据@@@@的@@指数级增长@@@@，Alphawave Semi的@@技术@@可满足一项关键需求@@@@：使数据@@@@能够更快@@、更可靠地传输@@，同时@@具有更高@@的@@性能和@@更低@@的@@功耗@@@@。我们是@@一家垂直一体化半导体公司@@，全球@@顶级客户将我们的@@@@IP、定制硅和@@连接@@产品部署在@@数据@@@@中@@心@@@@、计算@@、网@@络@@、人工智能@@、5G、自@@动驾驶汽车@@@@和@@存储等@@领域@@。公司于@@2017年@@由@@一支在@@半导体@@IP许可方面@@有着出色往绩的@@专家技术@@团队成立@@，其@@使命是@@加快发展处于数字世界核心的@@关键数据@@@@基础设施@@。如@@需了解@@有关@@Alphawave Semi的@@更多信息@@，请访问@@：awavesemi.com。

日月@@光@@VIPack™系列@@FOCoS-Bridge整合@@多颗@@@@ASIC封装@@解决方案@@加速人工智能@@创新@@

judy — Fri, 02 Jun 2023 08:40:28 +0000

日月@@光@@半导体@@（日月@@光@@投资控股股份有限公司成员@@ – 纽约证交所代码@@：ASX）今日宣布@@Fan-Out-Chip-on-Substrate-Bridge(FOCoS-Bridge)实现@@最新突破技术@@@@，在@@70mm x 78mm尺寸的@@大型高@@效@@能封装@@体中@@透过@@8个@@桥接连接@@@@(Bridge) 整合@@2颗@@ASIC和@@8个@@高@@带宽存储器@@(HBM)188足彩外围@@app 。此大型高@@效@@能封装@@体包含两颗@@相同尺寸@@47mm x 31mm的@@FOCoS-Bridge的@@扇出型封装@@结构@@。FOCoS-Bridge是@@日月@@光@@@@VIPack™平台六大核心封装@@技术@@支柱之一@@，旨在@@实现@@高@@度可扩展性@@@@，无缝集成@@到@@复杂的@@芯片@@架构@@@@中@@@@，同时@@提供@@高@@密度芯片对芯片连接@@@@(D2D)、高@@I/O数量和@@高@@速信号传输@@，以满足不断发展的@@人工智能@@@@(AI)和@@高@@效@@能计算@@@@@@(HPC)需求@@。

FOCoS-Bridge技术@@解决日益增长@@的@@人工智能@@@@(AI)和@@高@@效@@能计算@@@@@@(HPC)应用@@@@中@@对更高@@带宽和@@更快数据@@@@传输速率的@@需求@@@@。充分利用@@@@高@@度集成@@的@@扇出型封装@@结构@@优势@@，克服传统电性互连的@@限制@@，实现@@处理器@@、加速器@@和@@记忆体模块之间的@@高@@速度@@、低延迟和@@高@@能效的@@数据@@@@@@传输@@。两个@@@@FOCoS-Bridge结构均包含@@1颗@@主芯片@@, 4颗@@HBM和@@4颗@@桥接的@@@@Bridges，有效地将@@9个@@188足彩外围@@app 集成@@在@@@@47mm x 31mm尺寸的@@扇出型封装@@体中@@@@，几乎两倍@@的@@光罩尺寸@@(Reticle Size) 。FOCoS-Bridge在@@扇出型封装@@结构的@@基础中@@允许嵌入@@被动和@@主动@@188足彩外围@@app 的@@技术@@的@@选项@@，可以选择提供@@用@@于优化功率传输的@@去耦电容或@@用@@于连接@@功能性@@（如@@存储器@@、I/O等@@）的@@芯片@@188足彩外围@@app 。

日月@@光@@FOCoS-Bridge特性是@@次微米@@L/S的@@超高@@密度芯片对芯片@@(D2D)互连功能@@，可实现@@小芯片@@@@Chiplet集成@@的@@高@@带宽与@@低延迟@@。使用@@@@桥接芯片使主芯片边缘的@@线@@性密度@@（线@@/毫米@@/层@@）比@@传统的@@覆晶封装@@@@(Flip Chip) 密度更超过百倍@@@@。此外@@，FOCoS-Bridge支持@@串行和@@并行接口以及@@相关@@的@@标准@@@@，如@@XSR、BOW、OpenHBI、AIB和@@UCIe，广泛实现@@芯片对芯片@@(D2D)的@@互连@@。

人工智能@@(AI) 涵盖范围几乎遍及所有行业和@@科学领域@@，已经从@@自@@动汽车@@驾驶渗透到@@医疗诊断@@。人工智能@@(AI)和@@高@@效@@能计算@@@@@@(HPC)的@@相互融合对半导体行业产生极大影响@@，推动了对创新封装@@解决方案@@的@@需求@@@@。高@@效@@能计算@@@@(HPC)和@@服务器@@SoC需求@@达到@@@@光罩尺寸@@(Reticle Size) 的@@极限@@，同时@@需要高@@带宽存储器集成@@@@，就必须透过@@FOCoS-Bridge技术@@来实现@@@@。此外@@，FOCoS-Bridge技术@@有助于更高@@效@@地利用@@@@计算@@资源@@@@，加速数据@@@@密集型计算@@@@，并推动人工智能@@算法@@@@、深度学习@@、科学模拟及其@@他计算@@密集型工具@@。

“FOCoS-Bridge技术@@的@@突破推动了人工智能@@和@@高@@效@@能计算@@@@@@的@@发展@@，解决数据@@@@传输@@、性能和@@功耗@@相关@@的@@关键挑战@@。”日月@@光@@研发副总洪志斌博士说@@道@@，“随着@@人工智能@@@@(AI)和@@高@@效@@能计算@@@@@@(HPC)改善我们的@@生活@@、工作@@、娱乐和@@沟通方式@@，我们很高@@兴日月@@光@@@@FOCoS-Bridge和@@创新的@@先进封装@@技术@@扮演重要的@@推动角色@@。”

“日月@@光@@极力@@于创造能实现@@高@@带宽存储器@@(HBM)和@@高@@密度小芯片@@@@Chiplet集成@@的@@整合@@技术@@@@，以满足客户将尖端应用@@@@带入市@@场的@@需求@@@@。” 日月@@光@@销售与@@行销资深副总@@Yin Chang强调@@，“我们不断创新带来变革性解决方案@@@@，FOCoS-Bridge是@@最佳案例@@，不仅强化@@VIPack™产品组合@@，同时@@也为@@人工智能@@领域的@@创新和@@发展开辟新的@@可能性@@，使我们的@@客户能够克服严峻的@@技术@@挑战@@，实现@@新的@@效能@@、可扩展性@@和@@能源效率@@。”

日月@@光@@FOCoS-Bridge技术@@是@@@@VIPack™平台之一@@，VIPack™是@@根据@@@@产业蓝图@@强化协同合作的@@可扩展创新平台@@。

点击查看@@更多@@FOCoS-Bridge技术@@详细信息@@：https://ase.aseglobal.com/focos-bridge/

文章来源@@@@： ASE日月@@光@@

《人工智能@@（AI）芯片技术@@及市@@场@@-2023版@@》

judy — Tue, 09 May 2023 07:04:58 +0000

作者@@：麦姆斯咨询殷飞@@，来源@@： MEMS微信公众号@@

据@@麦姆斯咨询介绍@@，全球@@人工智能@@@@（AI）芯片市@@场规模到@@@@2033年@@预计@@将增长@@至@@@@2576亿美元@@，届时最大的@@三个@@垂直行业将包括@@信息技术@@@@（IT）和@@电信业@@，银行@@、金融@@及保险业@@（BFSI），以及@@消费@@电子@@@@行业@@。AI正在@@改变我们的@@世界@@，从@@2016年@@DeepMind成功战胜围棋世界冠军李世石@@，到@@OpenAI ChatGPT强大的@@预测@@能力@@@@，AI训练@@算法@@的@@复杂性正在@@以惊人的@@速度发展@@，运行新开发训练@@算法@@所需要的@@计算@@量大约每四个@@月@@就要翻一番@@。为@@了跟上@@这一增长@@步伐@@，AI应用@@@@的@@@@硬件不仅需要具有可扩展性@@@@（随着@@新算法@@的@@引入能够延长使用@@@@寿命@@，同时@@保持较低的@@运行成本@@），而@@且还需要能够在@@终端用@@户边缘处理越来越复杂的@@模型@@。另外@@，还需要一种双管齐下的@@方法@@@@（即@@在@@云端和@@边缘处理@@AI），以全面实现@@高@@效@@的@@物联网@@@@（IoT）应用@@@@。

AI芯片应用@@@@@@

英国知名研究公司@@IDTechEx在@@这份最新发布的@@研究报告中@@@@，对全球@@@@AI芯片技术@@格局和@@市@@场趋势提供@@了独到@@的@@深入见解@@。该@@报告全面分析了@@19家主要的@@@@AI芯片公司@@，并介绍了@@10家初创设计公司以及@@全球@@最著名的@@半导体制造@@商@@。本报告包括@@了对@@AI技术@@创新和@@市@@场动态的@@详细评估@@。市@@场分析和@@预测侧重于总营收@@，并按地理位@@置@@（欧洲@@、亚太和@@北美@@）、处理类型@@（边缘和@@云@@）、芯片架构@@@@（GPU、CPU、ASIC和@@FPGA）、封装@@类型@@（片上@@系统@@@@、多芯片模块和@@@@2.5D+）、应用@@@@（语言@@、计算@@机视觉@@@@、预测和@@其@@它@@）以及@@垂直行业@@（工业@@、医疗保健@@、汽车@@、零售@@、媒体和@@广告@@、BFSI、消费@@电子@@@@、IT和@@电信等@@@@）提供@@了细分预测@@。

AI芯片价值链@@

此外@@，本报告包含了与@@@@AI应用@@@@90 nm至@@3 nm节点芯片相关@@的@@设计@@、制造@@、组装@@、封装@@测试@@以及@@运行相关@@成本的@@精细核算@@。随着@@半导体制造@@商转向@@3 nm以下的@@更先进节点@@，报告对相关@@的@@设计成本和@@制造@@成本进行了预测@@。IDTechEx基于@@在@@半导体和@@电子@@行业积累的@@专业知识@@，对通过@@关键厂商访谈收集的@@重要数据@@@@进行了客观分析@@。

智能硬件持续增长@@@@

通过@@硬件设计以实现@@某种功能@@，特别是@@@@通过@@将某些类型的@@计算@@从@@主处理器上@@剥离来加速这些@@计算@@@@，并不是@@一个@@全新的@@概念@@。早期中@@央处理单元@@（CPU）与@@数学协处理器配对@@，称为@@浮点单元@@（FPU），其@@目的@@是@@将复杂的@@浮点数学运算从@@@@CPU卸载到@@这种专用@@芯片上@@@@，因为@@后者可以以更有效的@@方式处理这类计算@@@@，从@@而@@解放@@CPU专注于其@@它任务@@。随着@@市@@场和@@技术@@的@@发展@@，工作@@负载也在@@发展@@，因此@@需要新的@@硬件来处理这些@@工作@@负载@@。其@@中@@@@特别值得关注的@@例子便是@@计算@@机图@@形的@@生成和@@处理@@，所探讨的@@加速器@@已经成为@@家喻户晓的@@名称@@：图@@形处理@@单元@@（GPU）。

正如@@计算@@机图@@形需要不同类型的@@芯片@@架构@@@@一样@@，机器学习@@（ML）的@@出现也带来了对另一种加速器@@的@@需求@@@@，以高@@效@@地处理机器学习@@的@@工作@@负载@@。本报告详细介绍了@@CPU、GPU和@@现场可编程门阵列@@（FPGA）架构@@之间的@@差异@@，以及@@它们在@@处理机器学习@@工作@@负载方面@@的@@相对有效性@@。专用@@集成@@电路@@（ASIC）可以通过@@设计来处理特定的@@工作@@负载@@，本报告分析了多家世界领先的@@@@@@AI ASIC架构@@。对能够处理机器学习@@工作@@负载的@@芯片@@需求@@@@，只有当消费@@者真正从@@中@@获益的@@情况下才会迎来爆发@@（例如@@@@，消费@@电子@@@@产品的@@功能增强@@，安全@@摄像头更准确@@的@@图@@像@@@@分类和@@物体检测@@，自@@动驾驶汽车@@@@的@@低延迟@@、高@@精度@@推演等@@@@），这些@@应用@@@@有望推动@@AI芯片市@@场在@@@@2023年@@~2033年@@实现@@@@24.4%的@@复合年@@增长@@@@率@@（CAGR）。

2023年@@~2033年@@三类主要@@AI芯片复合年@@增长@@@@率预测@@

全球@@聚焦@@AI

AI在@@自@@然语言@@处理@@、语音识别@@、智能推送@@、强化学习@@、对象检测@@、图@@像@@分类等@@应用@@@@中@@的@@@@作用@@@@，对很多产品功效以及@@国家治理模型都非常重要@@。因此@@，AI硬件和@@软件的@@开发推动了全球@@范围内的@@投资计划@@。由@@于具有@@AI能力@@的@@处理器和@@加速器@@需要依赖半导体制造@@商@@，因此@@，目前@@AI芯片的@@制造@@能力@@@@取决于少数几家半导体制造@@商的@@供应能力@@@@（对于边缘设备@@，没有必要使用@@@@最先进的@@@@工艺节点@@技术@@@@，因为@@这些@@芯片通常用@@于低功耗@@推演@@。然而@@@@，事实是@@全球@@供应链仍然严重依赖特定地区@@）。

2020年@@，对特定地区半导体制造@@公司的@@@@依赖风险开始凸显@@，当时@@多种因素@@（如@@新冠疫情@@、数据@@@@挖掘的@@兴起@@、台湾干旱@@、制造@@设施火灾以及@@原材料@@采购困难等@@@@）的@@叠加导致全球@@芯片短缺@@，半导体芯片供不应求@@。自@@那以后@@，半导体价值链中@@最大的@@利益相关@@方@@（美国@@、欧盟@@、韩国@@、中@@国台湾@@、日本和@@中@@国大陆@@）一直在@@寻求降低供应链风险@@，以防出现下一波更加严重的@@芯片@@短缺@@。各个@@国家和@@地区政府@@都已采取了积极的@@举措@@，激励半导体制造@@公司扩大业务或@@建设新工厂@@。本报告讨论了这些@@政府@@举措@@，详细说@@明了相关@@的@@投资计划@@、原因以及@@对其@@他利益相关@@者的@@意义@@（例如@@@@美国@@对中@@国施加的@@限制@@，以及@@中@@国如@@何围绕这些@@限制建立国家半导体供应链@@）。此外@@，报告还概述了自@@@@2021年@@以来宣布的@@半导体制造@@私人投资@@，以及@@当前厂商的@@半导体@@（特别是@@@@AI相关@@）制造@@能力@@@@。

2021年@@以来主要厂商公布的@@半导体制造@@投资@@

AI发展成本@@

机器学习@@是@@计算@@程序利用@@@@数据@@@@根据@@@@模型进行预测@@，然后@@通过@@调整所使用@@@@的@@@@权重来优化模型@@，使其@@更好地与@@所提供@@的@@数据@@@@@@相匹配@@。因此@@，其@@计算@@包括@@两个@@@@步骤@@：训练@@和@@推理@@@@。实现@@AI算法@@的@@第一阶段是@@训练@@@@，在@@训练@@阶段@@，数据@@@@被输入到@@模型中@@@@，模型调整其@@权重@@，直到@@它与@@所提供@@的@@数据@@@@@@适当匹配@@。第二阶段是@@推理@@@@，在@@推理@@阶段执行经过训练@@的@@@@AI算法@@，并对新数据@@@@以与@@获取的@@数据@@@@@@一致的@@方式进行分类@@。在@@这两个@@@@阶段中@@@@，训练@@阶段的@@计算@@量更大@@，因为@@这个@@阶段需要执行无数次相同的@@计算@@@@。这就提出了一个@@问题@@：训练@@AI算法@@需要多少成本@@？

为@@了尽可能准确@@量化@@，IDTechEx严格计算@@了从@@@@90 nm到@@3 nm工艺节点@@AI芯片的@@设计@@、制造@@、组装@@、测试@@、封装@@以及@@运行成本@@。具有给定晶体管密度的@@@@3 nm芯片的@@面积小于具有相同晶体管密度的@@成熟节点芯片@@，可以比@@较针对给定@@AI算法@@部署先进节点芯片和@@具有类似性能成熟节点芯片的@@成本@@。例如@@@@，根据@@@@IDTechEx使用@@@@的@@@@3 nm芯片模型@@，具有给定面积和@@晶体管密度的@@@@3 nm芯片连续使用@@@@@@5年@@所产生的@@成本@@，在@@相同条件下将比@@具有相同晶体管密度的@@@@90 nm芯片低@@45.4倍@@。这包括@@各芯片的@@初始生产成本@@，然后@@可以用@@来确定是@@否值得从@@成熟的@@节点芯片升级到@@更先进的@@节点芯片@@，具体取决于芯片的@@服役时间@@。

基于@@IDTechEx面向@@AI应用@@@@的@@@@3 nm芯片模型@@，不同工艺节点@@芯片@@5年@@期生产和@@运行成本的@@评估@@

市@@场发展及路线@@图@@@@

IDTechEx的@@全球@@@@AI芯片市@@场模型考量了架构@@趋势@@、封装@@发展@@、资金@@/投资的@@分散@@/集中@@@@、历史财务数据@@@@以及@@本地化的@@生态系统@@@@，以准确@@反映未来十年@@不断演变的@@市@@场价值@@。

在@@本地进行人工智能@@计算@@的@@四个@@优点@@

judy — Wed, 26 Oct 2022 07:43:50 +0000

为@@什么人们需要更低@@功耗@@的@@人工智能@@@@？麻省理工学院@@（MIT）副教授@@Vivienne Sze此前在@@接受采访时表@@示@@@@，人工智能@@应用@@@@正在@@向智能手机@@、微型@@机器人@@@@、互联网@@连接@@设备和@@其@@他功率和@@处理能力@@有限的@@设备转移@@，意味着数据@@@@处理不再需要在@@云端@@、仓库服务器机架上@@进行@@，从@@云上@@卸载计算@@使我们能够扩大人工智能@@的@@影响范围@@，通过@@减少与@@远程服务器通信造成的@@延迟来加快响应时间@@。

现在@@@@，人工智能@@的@@本地化部署有了一个@@专属名称@@——边缘智能@@，也可叫做边缘人工智能@@@@。随着@@5G、人工智能@@和@@网@@络@@安全@@三大领域相互渗透@@，智慧工厂@@和@@自@@动驾驶两大典型的@@物联网@@应用@@@@引发数据@@@@爆发式增长@@@@，传统云端处理@@、边端执行的@@模式已经出现明显的@@瓶颈@@，终端硬件搭配@@AI模型和@@软件算法@@已经是@@大势所趋@@，成为@@人工智能@@发展的@@下一个@@关键阶段@@。

本文我们将重点讨论传统人工智能@@面临的@@挑战@@，以及@@边缘智能@@会带来哪些好处@@。同时@@，也会为@@大家推荐贸泽电子@@@@上@@在@@售的@@@@，适用@@于部署边缘智能@@的@@元器件@@@@，推动产业大升级@@。

边缘智能@@的@@四大典型优势@@

自@@上@@世纪@@50年@@代人工智能@@概念被提出以后@@，产业发展至@@今经历了数次的@@高@@潮和@@寒冬@@。虽然有低谷@@，但@@人类对人工智能@@技术@@的@@探索从@@没有停止过@@。2006年@@至@@@@今@@，我们经历了人工智能@@产业新一轮发展大潮@@，在@@此@@过程中@@@@，“算力@@@@+算法@@+数据@@@@”正式被定义为@@人工智能@@产业的@@三驾马车@@，云计算@@平台作为@@算力@@@@提供@@源@@，大幅提升了人工智能@@算法@@模型的@@体量@@。

根据@@@@前瞻产业研究院@@的@@统计数据@@@@@@@@，从@@2016年@@到@@@@2020年@@全球@@人工智能@@@@产业市@@场规模实现@@了数倍@@的@@增长@@@@，从@@2016年@@的@@@@593亿美元@@快速增长@@到@@了@@2020年@@的@@@@2,335亿美元@@。市@@场的@@高@@速增长@@不仅给企业带来巨大的@@投资回报@@，同时@@也赋予社会发展肉眼可见的@@便利性@@。

图@@1：全球@@人工智能@@@@市@@场规模@@（图@@源@@：前瞻产业研究院@@）

然而@@@@，在@@电信业务@@、政府@@、安防@@、金融@@四大传统人工智能@@应用@@@@领域取得突破之后@@，全球@@人工智能@@@@发展遇到@@了新的@@阻力@@@@，发生了巨大的@@变化@@。根据@@@@市@@场分析机构@@IDC的@@预测@@，未来人工智能@@发展不再仅仅是@@云端集中@@@@式@@，会更加注重落地和@@实践@@，趋向广泛化@@、纵向化@@，打通人工智能@@技术@@和@@广泛行业的@@最后@@一公里@@。

在@@这种大趋势下@@，传统人工智能@@应用@@@@框架@@@@出现了明显的@@技术@@瓶颈@@，包括@@数据@@@@瓶颈@@、泛化瓶颈@@、能耗瓶颈@@、预义鸿沟瓶颈@@、可解释性瓶颈和@@可靠性瓶颈等@@@@。在@@这么多瓶颈背后@@，一个@@相同的@@原因是@@此前的@@人工智能@@应用@@@@框架@@里@@，所有应用@@@@都是@@以云计算@@为@@依托@@，数据@@@@都必须返回到@@云端@@，给处理效率@@、信息安全@@@@、部署成本带来了极大的@@挑战@@。

图@@2：传统人工智能@@应用@@@@框架@@@@（图@@源@@：前瞻产业研究院@@）

随着@@人工智能@@@@落地到@@越来越多的@@细分场景里@@，完全依赖云计算@@的@@人工智能@@越来越不适应@@，业界提出的@@解决方案@@便是@@边缘智能@@@@。当然@@，边缘智能@@和@@传统的@@云端智能绝不是@@替代关系@@，而@@是@@更好的@@补充@@。通过@@下方边缘计算@@产业联盟@@@@（ECC）发布的@@边缘计算@@参考架构@@@@能够看@@出@@，边缘智能@@和@@云端智能并不割裂@@，只是@@应用@@@@程序和@@边缘端紧密结合@@。

图@@3：边缘计算@@参考架构@@@@（图@@源@@：边缘计算@@产业联盟@@（ECC））

从@@系统@@框架@@来看@@@@，边缘智能@@方案大致可以分为@@基础资源@@层@@@@、虚拟化层@@@@、边缘虚拟服务层@@@@，实际上@@就是@@云端智能的@@下沉@@，一般而@@言@@，具体的@@业务切分由@@规则引擎来负责@@。如@@下图@@@@4所示@@，当计算@@资源@@迁移到@@边缘端之后@@，边缘智能@@方案将独立拥有@@操作系统@@以及@@相关@@的@@硬件资源@@@@，这也就是@@为@@什么我们上@@面提到@@@@，边缘智能@@的@@核心要义是@@应用@@@@程序和@@边缘端深度融合@@。

图@@4：基于@@规则引擎的@@边缘智能@@方案@@（图@@源@@：论文@@《一种基于@@规则引擎的@@边缘计算@@技术@@研究及实施方案@@》）

计算@@和@@任务处理直接在@@边缘端进行@@，这让边缘智能@@方案具备四大突出的@@技术@@优势@@。

实时性好@@

首先@@是@@实时数据@@@@处理@@、提高@@响应速度@@。相较于传统海量数据@@@@无差别上@@云而@@言@@，边缘智能@@由@@于更靠近用@@户终端装置@@，可以加快数据@@@@的@@处理与@@传送速度@@，减少延迟@@。这种实时性对自@@动驾驶@@、工业@@机器人@@等@@应用@@@@有重要价值@@。

带宽需求@@小@@

其@@次是@@减少互联网@@带宽依赖@@。根据@@@@IDC的@@统计数据@@@@@@，2021年@@，全球@@创造了@@82.5ZB的@@数据@@@@@@，未来五年@@全球@@数据@@@@规模还将以@@21.2%的@@年@@复合增长@@率快速发展@@，到@@2026年@@达到@@@@@@216ZB。如@@果这些@@数据@@@@全部送到@@云数据@@@@中@@心@@去处理@@，那么@@将会对网@@络@@带宽造成巨大的@@传输@@压力@@@@。而@@边缘智能@@以卸载的@@方式将大部分边缘端产生的@@巨量数据@@@@及时处理@@，帮助减轻网@@络@@带宽的@@压力@@@@。

功耗@@低@@

第三是@@降低系统@@功耗@@@@。根据@@@@工信部数据@@@@@@，2021年@@中@@国数据@@@@中@@心@@耗电量@@2,166亿千瓦时@@，占社会用@@电量比@@例达@@2.6%，相当于@@1.3个@@上@@海市@@的@@总社会用@@电量@@。通过@@云边结合的@@方式@@，数据@@@@中@@心@@可以更加专注在@@@@AI大模型的@@训练@@和@@运转@@，边缘智能@@方案极为@@强调@@能耗比@@@@，将有助于降低整体功耗@@@@。

安全@@性好@@

最后@@，边缘智能@@能够更好地保护用@@户的@@数据@@@@@@隐私和@@数据@@@@安全@@@@。边缘智能@@方案在@@终端就可以对数据@@@@进行清洗@@、预处理@@、聚合@@、筛选等@@操作@@，数据@@@@不用@@完全返回云端再做处理@@，或@@者最终传输到@@云端的@@数据@@@@@@为@@脱敏数据@@@@@@，降低了隐私@@、机密数据@@@@泄露的@@风险@@，提升了数据@@@@的@@安全@@性@@。

凭借上@@述这些@@突出的@@技术@@优势@@，边缘智能@@在@@智能驾驶@@、智慧工厂@@、智慧能源和@@智能家居等@@领域应用@@@@广泛@@，提升了人工智能@@的@@应用@@@@深度和@@广度@@，丰富了@@“AI+”的@@实际应用@@@@@@。当然@@，想要打造@@高@@效@@稳定的@@边缘智能@@方案@@，离不开电子@@元器件@@的@@支持@@@@。作为@@全球@@知名先的@@电子@@元器件@@分销平台@@，贸泽电子@@@@销售的@@电子@@元器件@@遍及各种边缘智能@@解决方案@@@@，助力@@打造@@低碳智能的@@数字新世界@@。下面@@，我们就来为@@大家推荐几款具有代表@@性@@、可用@@于@@边缘智能@@的@@元器件@@产品@@。

Microchip机器学习@@整体@@解决方案@@@@

上@@述内容已经提到@@@@，边缘智能@@是@@@@云端智能的@@下沉@@，也就是@@说@@@@将人工智能@@的@@模型置于边缘端@@。目前@@，云端配合最理想的@@方式是@@@@：将机器学习@@的@@训练@@模型放置在@@云端@@，通过@@云端大算力@@@@的@@优势提升训练@@的@@效率@@；将机器学习@@的@@推理@@@@、决策和@@执行模型放置在@@边缘@@，需要的@@计算@@和@@存储资源@@相对较小@@，保障了部署的@@灵活性@@，并降低系统@@反应的@@时间@@。

因此@@，我们通过@@@@Microchip机器学习@@整体@@解决方案@@@@能够看@@到@@@@，在@@边缘一侧@@，元器件@@会涉及到@@更善于终端推理@@的@@@@FPGA，更利于系统@@集成@@和@@部署的@@@@MCU/MPU，以及@@其@@他帮助工程师打造@@边缘机器学习@@方案的@@模拟器件和@@安全@@器件@@。目前@@，Microchip这份完整的@@机器学习@@方案已经在@@贸泽电子@@@@全面上@@线@@@@，接下来我们就来系统@@地看@@一下@@这份方案@@，以及@@方案里面的@@具体器件@@。

图@@5：Microchip机器学习@@整体@@解决方案@@@@（图@@源@@：Microchip）

综合而@@言@@，Microchip机器学习@@整体@@解决方案@@@@是@@一个@@包括@@软件和@@硬件工具套件@@、参考设计以及@@硅平台的@@系统@@方案@@，非常适合用@@于需要具有高@@级性能的@@简单易用@@的@@应用@@@@@@。也就是@@说@@@@，无论你是@@@@AI和@@机器学习@@@@方面@@的@@新手@@，还是@@@@寻求高@@性能@@、经验丰富的@@工程师大牛@@，都能够在@@@@Microchip机器学习@@整体@@解决方案@@@@里找到@@适合自@@己的@@软硬件组合@@。

在@@硅器件方面@@@@，Microchip广泛的@@硅器件产品组合@@包括@@@@MCU、MPU和@@FPGA。为@@帮助工程师使用@@@@这些@@器件@@，Microchip准备了全面丰富的@@软件工具包@@，允许工程师朋友使用@@@@流行的@@@@ML框架@@，包括@@TensorFlow、Keras、Caffe和@@ONNX涵盖的@@许多其@@他框架@@@@，以及@@TinyML和@@TensorFlow Lite中@@的@@@@框架@@@@。这些@@丰富的@@开发套件组合起来@@，构成了@@Microchip硅器件背后的@@开发生态系统@@@@。

比@@如@@@@，在@@使用@@@@@@Microchip的@@MCU或@@MPU器件时@@，MPLAB开发生态系统@@将与@@@@Microchip的@@开发板@@以及@@机器学习@@设计合作伙伴提供@@的@@软件套件和@@解决方案@@无缝集成@@@@，提供@@MPLAB X集成@@开发环境@@（IDE）、MPLAB XC C编译器@@、MPLAB Data Visualizer等@@开发工具@@，显著提升开发者的@@开发效率@@。

在@@使用@@@@@@Microchip的@@FPGA器件时@@，该@@公司先进的@@@@VectorBlox加速器@@软件开发套件@@（SDK）可以让开发者轻松编程高@@能效神经网@@络@@@@。VectorBlox加速器@@SDK还附带了基于@@@@PolarFire视频套件构建智能@@AI相机@@平台的@@说@@明@@，让开发者可以更加方便地评估不同的@@卷积神经网@@络@@@@（CNN）。

此外@@，围绕丰富的@@硅器件@@，Microchip还提供@@了丰富的@@评估套件@@，包括@@带有@@TDK InvenSense 6轴@@MEMS运动@@传感@@器@@@@的@@@@SAM D21机器学习@@评估套件@@和@@带@@Bosch IMU的@@SAM D21机器学习@@评估套件@@。

通过@@全面的@@软硬件组合@@，以及@@Microchip经过验证的@@参考设计和@@经验丰富的@@合作伙伴网@@络@@@@，可以帮助广大机器学习@@开发者降低风险@@、缩短上@@市@@时间@@、降低功耗@@和@@应用@@@@成本@@。开发者可以借助这些@@资源@@设计各种应用@@@@程序@@，用@@于数据@@@@中@@心@@@@、自@@动驾驶汽车@@@@、安全@@和@@监控@@、电子@@围栏@@、增强和@@虚拟现实耳机头显@@、无人机@@、机器人@@、卫星图@@像@@和@@通讯中@@心等@@领域@@。

上@@面我们对@@Microchip机器学习@@解决方案@@进行了全面介绍@@，接下来我们通过@@@@一款具体的@@方案@@，看@@一下@@Microchip方案在@@机器学习@@方面@@的@@出色性能@@。在@@此@@，我们为@@大家展开介绍上@@面提到@@的@@带有@@TDK InvenSense 6轴@@MEMS运动@@传感@@器@@@@的@@@@SAM D21机器学习@@评估套件@@，贸泽电子@@@@上@@该@@评估套件的@@物料号为@@@@EV18H79A，大家可以通过@@搜索此物料号@@，在@@贸泽电子@@@@平台快速找到@@这款评估套件@@，并且通过@@该@@评估套件的@@详情页就可以看@@到@@我们上@@述提到@@的@@@@Microchip机器学习@@整体@@解决方案@@@@。

图@@6：EV18H79A（图@@源@@：贸泽电子@@@@）

EV18H79A SAMD21机器学习@@评估套件@@基于@@@@Arm® Cortex®-M0+的@@32位@@MCU打造@@，带有板载@@调试器@@（nEDBG）、ATECC608A CryptoAuthentication安全@@188足彩外围@@app IC和@@完全认证的@@@@ATWINC1510 Wi-Fi网@@络@@控制器@@。作为@@一款面向@@机器学习@@应用@@@@的@@@@多功能传感@@器@@开发工具@@，EV18H79A上@@集成@@了@@Microchip MCP9808高@@精度@@温度@@传感@@器@@@@、光传感@@器@@以及@@带有@@TDK InvenSense ICM-42688-P、高@@精度@@6轴@@MEMS的@@附加板@@，帮助开发者收集数据@@@@以训练@@和@@创建@@机器学习@@模型@@。

此外@@，为@@了让开发者更快上@@手@@EV18H79A SAMD21机器学习@@评估套件@@，Microchip还提供@@了用@@户指南和@@项目示例@@，进一步帮助大家缩短开发周期@@。

可用@@于@@AIoT应用@@@@的@@@@ESP-EYE开发板@@

我们都知道@@，人工智能@@和@@物联网@@融合而@@成的@@@@AIoT是@@边缘智能@@典型的@@应用@@@@场景@@，当然@@也可以说@@@@@@，边缘智能@@是@@@@AIoT落地的@@重要推动技术@@@@。那么@@，接下来我们为@@大家推荐一款来自@@制造@@商@@Espressif Systems（乐鑫科技@@）、可用@@于@@AIoT场景的@@@@ESP-EYE开发板@@。

图@@7：ESP-EYE（图@@源@@：贸泽电子@@@@）

ESP-EYE是@@专注于@@AIoT智能物联网@@领域的@@图@@像@@@@识别与@@语音处理开发板@@@@，板载@@ESP32系列@@芯片@@，集成@@200万@@像素@@摄像头@@、数字麦克风@@，拥有@@8MB PSRAM和@@4MB闪存的@@丰富存储@@，支持@@Wi-Fi图@@像@@传输与@@@@MicroUSB调试与@@供电@@。基于@@以上@@丰富的@@配置和@@功能@@，开发者可以基于@@@@ESP-EYE实现@@语音唤醒@@、人脸检测@@、人脸识别等@@交互功能@@，可广泛应用@@@@于智能物联网@@领域的@@应用@@@@开发@@。

同时@@，为@@了帮助开发者提升开发效率@@，Espressif Systems为@@ESP-EYE准备了全面的@@用@@户指南@@，让大家可在@@@@Linux、MacOS、Windows操作系统@@中@@@@完成软件烧写@@，并实现@@上@@述@@AIoT相关@@功能@@，可协助用@@户开发高@@度集成@@的@@@@AI解决方案@@。

边缘智能@@未来发展趋势@@

作为@@传统云端智能的@@重要补充和@@延伸@@，边缘智能@@具有无穷的@@魅力@@@@，是@@未来人工智能@@领域发展的@@重要方向@@，相关@@厂商也将以芯片和@@软件技术@@为@@抓手@@，积极推动边缘智能@@的@@发展@@。

面向@@未来@@，边缘智能@@将呈现四大明显的@@发展趋势@@。首先@@是@@核心芯片集成@@度更高@@@@、算力@@@@更强@@，整体方案更加智能@@；其@@次是@@系统@@架构@@更加灵活@@，更容易开发和@@部署@@；第三是@@边缘智能@@方案的@@能效比@@将不断提升@@，使得@@更多的@@@@AI负载将卸载到@@边缘端@@；最后@@是@@边缘智能@@的@@生态将更加成熟@@，围绕核心硬件将会有更加丰富的@@配套工具和@@开发环境@@。

而@@在@@@@边缘智能@@技术@@不断提升的@@过程中@@@@，电子@@元器件@@始终都将是@@整个@@方案最核心的@@部分之一@@，贸泽电子@@@@将持续为@@行业带来前沿的@@元器件@@产品@@，助力@@实现@@更好的@@边缘智能@@方案@@。

人工智能@@

锐芯微电子@@发布用@@于人工智能@@和@@机器视觉@@@@的@@微型@@高@@速图@@像@@传感@@器@@@@@@RV400

judy — Fri, 23 Sep 2022 02:43:00 +0000

锐芯微电子@@近日发布应用@@@@于人工智能@@和@@机器视觉@@@@的@@微型@@高@@速图@@像@@传感@@器@@@@@@RV400。RV400高@@速低功耗@@图@@像@@传感@@器@@@@靶面尺寸为@@@@1/9英寸@@，分辨率为@@@@500H*500V，采用@@@@2.8um BSI高@@灵敏度近红外增强像素设计@@，RV400 120fps帧率运行时仅@@25mW功耗@@，400fps帧率运行仅@@48mW，与@@此同时@@其@@封装@@尺寸仅@@2mmx2mm，与@@同类型传感@@器@@相比@@@@@@，RV400感光面面积增大@@23%，芯片面积缩小@@67%，400fps工作@@时芯片功耗@@降低@@65%。

RV400兼容@@LVDS/MIPI 10bit/8bit图@@像@@输出模式@@，灵活的@@图@@像@@@@数据@@@@接口可满足更多方案需求@@@@。

RV400采用@@@@创新架构@@设计支持@@低功耗@@@@、图@@像@@采集@@，最高@@可支持@@全分辨率@@400fps高@@速成像@@，超高@@帧率可实现@@类全局曝光效果@@。这一特性使得@@@@RV400可取代部分全局曝光传感@@器@@@@，应用@@@@于机器视觉@@@@@@，无人机@@，物联网@@等@@领域@@。而@@高@@灵敏度和@@近红外增强的@@特性可进一步降低系统@@对于光源的@@要求@@，适用@@更多场景@@。

微型@@2mm裸芯尺寸使其@@可用@@于@@空间有限的@@便携设备@@，如@@监控佩带者眼球移动的@@@@AR/VR眼镜@@。眼球移动数据@@@@可用@@于@@调整观看@@的@@图@@画@@，使得@@AR/VR设备佩戴体验更好@@。同步定位@@和@@映射@@（SLAM）是@@另一个@@重要应用@@@@@@，RV400的@@小尺度和@@低功耗@@可发挥至@@关重要的@@作用@@@@。

目前@@RV400已进入小量产阶段@@，可接受客户送样@@。

MIT开发新人工智能@@系统@@@@ 能帮助扩大先进太阳能电池@@的@@生产规模@@

judy — Wed, 25 May 2022 02:53:27 +0000

本文转载自@@@@：cnBeta.COM

在@@光伏电池中@@@@，钙钛矿材料@@将优于硅@@，但@@大规模地制造@@这种电池是@@一个@@巨大的@@障碍@@。麻省理工学院@@（MIT）研究人员开发的@@一个@@机器学习@@系统@@将可以提供@@帮助@@。

钙钛矿是@@一个@@材料@@系列@@@@，目前@@是@@取代当今广泛使用@@@@的@@@@硅基太阳能光伏的@@主要竞争者@@。它们有希望被用@@于制造@@更轻更薄的@@电池板@@，可以在@@室温下以超高@@产量制造@@@@，而@@不是@@在@@几百度的@@高@@温下@@，而@@且运输和@@安装都更容易和@@更便宜@@。但@@是@@@@，将这些@@材料@@从@@小型实验室实验转化为@@可以有竞争力@@地制造@@的@@产品@@，一直是@@@@一场旷日持久的@@斗争@@。

生产基于@@钙钛矿的@@太阳能电池@@需要同时@@优化至@@少十几个@@变量@@，即@@使是@@在@@众多可能性中@@的@@@@一个@@特定的@@制造@@方法@@中@@@@。然而@@@@，一个@@基于@@机器学习@@新方法@@的@@新系统@@可以加快优化生产方法@@的@@发展@@，并帮助下一代太阳能发电成为@@现实@@。

该@@系统@@由@@麻省理工学院@@和@@斯坦福大学的@@研究人员在@@过去几年@@中@@开发@@，使其@@有可能将先前的@@实验数据@@@@以及@@基于@@有经验的@@工人的@@个@@人观察的@@信息整合@@到@@机器学习@@过程中@@@@。这使得@@结果更加准确@@@@，并且已经促成了能量转换效率为@@@@18.5%的@@钙钛矿电池的@@制造@@@@，这对于今天@@的@@市@@场来说@@是@@一个@@有竞争力@@的@@水平@@。

这项研究最近发表@@在@@@@《焦耳@@》杂志上@@@@，论文@@作者@@是@@麻省理工学院@@机械工程教授@@Tonio Buonassisi、斯坦福大学材料@@科学和@@工程教授@@ Reinhold Dauskardt、麻省理工学院@@最近的@@研究助理刘哲@@、斯坦福大学博士毕业生@@ Nicholas Rolston和@@其@@他三人@@。

钙钛矿是@@一组层@@状结晶化合物@@，由@@其@@晶格中@@的@@@@原子构型决定@@。有数以千计的@@这种可能的@@化合物和@@许多不同的@@制造@@方法@@@@。虽然大多数实验室规模的@@钙钛矿材料@@的@@开发使用@@@@旋涂技术@@@@，但@@这对于更大规模的@@制造@@来说@@并不实用@@@@，因此@@世界各地的@@公司和@@实验室一直在@@寻找将这些@@实验室材料@@转化为@@实用@@@@、可制造@@产品的@@方法@@@@。

现在@@@@是@@亚利桑那州立大学副教授@@的@@@@Rolston说@@：“当你试图@@采用@@@@实验室规模的@@工艺@@，然后@@将其@@转移到@@像初创企业或@@制造@@生产线@@上@@时@@，总是@@有一个@@很大的@@挑战@@。”该@@团队研究了一个@@他们认为@@最有潜力@@的@@工艺@@，一种叫做快速喷射等@@离子体加工的@@方法@@@@，或@@称@@RSPP。

该@@制造@@工艺将涉及一个@@移动的@@卷对卷表@@面@@，或@@一系列@@板材@@，当板材滚动时@@，过氧化物化合物的@@前体溶液将被喷涂或@@喷墨在@@上@@面@@。然后@@材料@@将进入固化阶段@@，提供@@快速和@@连续的@@输出@@，“其@@产量高@@于@@任何其@@他光伏技术@@@@，”Rolston说@@。

他补充说@@@@@@：“这个@@平台的@@真正突破是@@@@，它将使我们能够以一种其@@他材料@@无法做到@@的@@方式进行扩展@@。即@@使像硅这样的@@材料@@也需要更长的@@@@时间框架@@@@，因为@@要进行加工@@。而@@你可以认为@@@@（这种方法@@@@更@@）像喷漆@@。”

在@@这个@@过程中@@@@，至@@少有十几个@@变量可能会影响结果@@，其@@中@@@@一些变量比@@其@@他变量更容易控制@@。这些@@变量包括@@起始材料@@的@@成分@@、温度@@、湿度@@、加工路径的@@速度@@、用@@于将材料@@喷到@@基材上@@的@@喷嘴的@@距离@@，以及@@固化材料@@的@@方法@@@@。这些@@因素中@@的@@@@许多因素可以相互影响@@，如@@果加工过程是@@在@@露天@@，那么@@湿度@@@@，例如@@@@，可能是@@无法控制的@@@@。通过@@实验评估这些@@变量的@@所有可能组合是@@不可能的@@@@，所以需要机器学习@@来帮助指导实验过程@@。

但@@是@@@@，虽然大多数机器学习@@系统@@使用@@@@的@@@@是@@原始数据@@@@@@，如@@对测试@@样品的@@电气和@@其@@他属性的@@测量@@，但@@它们通常不会纳入人类的@@经验@@，如@@实验者对测试@@样品的@@视觉@@和@@其@@他属性的@@定性观察@@，或@@其@@他研究人员报告的@@其@@他实验的@@信息@@。因此@@，该@@团队找到@@了一种方法@@@@，将这种外部信息纳入机器学习@@模型@@，使用@@@@基于@@一种叫做贝叶斯优化的@@数学技术@@的@@概率系数@@。

他说@@@@，使用@@@@该@@系统@@@@，“有了一个@@来自@@实验数据@@@@的@@模型@@，我们可以找出以前无法看@@到@@的@@趋势@@”。例如@@@@，他们最初在@@调整环境中@@的@@@@湿度@@不受控制的@@变化时遇到@@了困难@@。但@@该@@模型向他们表@@明@@，“例如@@@@，我们可以通过@@改变温度@@和@@改变其@@他一些旋钮来克服我们的@@湿度@@挑战@@”。

该@@系统@@现在@@@@允许实验者更迅速地指导他们的@@过程@@，以便针对一组特定的@@条件或@@所需的@@结果进行优化@@。在@@他们的@@实验中@@@@，该@@团队专注于优化功率输出@@，但@@该@@系统@@也可用@@于@@同时@@纳入其@@他标准@@@@，如@@成本和@@耐久性@@。Buonassisi说@@，该@@团队的@@成员正在@@继续努力@@@@。

赞助这项工作@@的@@美国@@能源部鼓励科学家们将这项技术@@商业化@@，他们目前@@正专注于向现有的@@钙钛矿制造@@商进行技术@@转让@@。Buonassisi说@@：“我们现在@@@@正在@@与@@公司接触@@，而@@且他们开发的@@代码已经通过@@一个@@开源服务器免费提供@@@@。它现在@@@@在@@@@GitHub上@@，任何人都可以下载它@@，任何人都可以运行它@@。我们很高@@兴帮助公司开始使用@@@@我们的@@代码@@。”

刘哲说@@@@，已经有几家公司正在@@准备生产基于@@钙钛矿的@@太阳能电池@@板@@，尽管@@他们仍在@@研究如@@何生产它们的@@细节@@。他说@@@@，那里的@@公司还没有进行大规模的@@生产@@，而@@是@@从@@较小的@@@@、高@@价值的@@应用@@@@开始@@，如@@建筑一体化的@@太阳能瓦片@@，其@@中@@@@外观很重要@@。他说@@@@，其@@中@@@@三家公司@@“正在@@按计划或@@在@@投资者的@@推动下@@，在@@两年@@内生产@@1米乘@@2米的@@矩形模块@@（与@@今天@@最常见的@@太阳能板相当@@）”。

“问题是@@@@，他们没有就使用@@@@何种制造@@技术@@达成共识@@，”刘哲说@@@@。他说@@@@，斯坦福大学开发的@@@@RSPP方法@@ “仍有很大机会@@”具有竞争力@@@@。而@@且该@@团队开发的@@机器学习@@系统@@可以证明在@@指导最终使用@@@@的@@@@任何工艺的@@优化方面@@非常重要@@。

他说@@@@：“主要目标是@@加快进程@@，因此@@需要更少的@@时间@@、更少的@@实验和@@更少的@@人力@@时间来开发一些可立即@@使用@@@@的@@@@东西@@，免费提供@@给工业@@界@@。”

多伦多大学大学教授@@Ted Sargent说@@：“关于@@机器学习@@驱动的@@钙钛矿光伏制造@@的@@现有工作@@主要集中@@@@在@@旋涂上@@@@，这是@@一种实验室规模的@@技术@@@@，”他并未参与@@这项工作@@@@。他说@@@@这项工作@@展示@@了@@“一种很容易适应主导薄膜行业的@@沉积技术@@的@@工作@@流程@@。只有少数几个@@小组同时@@拥有@@工程和@@计算@@方面@@的@@专业知识来推动这样的@@进展@@”。Sargen补充说@@@@，这种方法@@@@“对更广泛的@@材料@@家族的@@制造@@来说@@可能是@@一个@@令人兴奋的@@进步@@”，包括@@LED、其@@他光伏技术@@和@@石墨烯@@，“总之@@，任何使用@@@@某种形式的@@蒸气或@@真空沉积的@@行业@@。”