AI芯片的案例
AI芯片要火，這盤棋怎么下？
相關信息透露，今年11月7日，瑞芯微已經向證監會再次提出了IPO的申請，而IPO之后，其必將在AI上有更大的動作。當然不僅僅是大基金，各路資金早就意識到AI芯片這個新風口的資源稀缺性，去年11月阿里巴巴宣布15億元投資商湯科技，這也是一家研發AI芯片的企業，而目前馬云的阿里巴巴投資所投的AI芯片企業已經多達十幾家，包括中天微、曠視科技、耐能等這些企業都與AI芯片有關。
未來AI芯片市場必將保持高速增長，這也將成為芯片產業新的藍海，越來越多的廠商沖向了AI芯片市場。在今年10月舉行的華為全連接大會上，華為宣布大舉進軍AI芯片市場，推出芯片、芯片使能、訓練和推理框架和應用使能在內的全堆棧AI方案。不僅僅是華為，包括微軟這樣的軟件公司都奮力沖進來，因為在未來多元的AI芯片市場將為通用AI、專用AI以及各類場景AI芯片帶來眾多機會。
AI芯片的大幕正在拉開。中國越來越多的公司進入AI芯片的賽道，據IC資深人士對《中國電子報》記者透露，臺積電已經有幾十家AI芯片的代工訂單，大部分訂單是來自中國大陸IC設計公司，足見這個市場有多熱。目前來看，老牌的芯片公司主要是在通用AI芯片上發力，而新的創業公司更多是在專用AI芯片上搶灘。
AI芯片要有新玩法?
越來越多的公司涌入AI芯片的賽道，探索這個市場的新游戲規則，并開始復制頭部玩家的規則。
AI芯片的頭部玩家現在怎么玩?
11月14日，英特爾公司在北京舉行盛大的人工智能大會，楊旭透露，英特爾人工智能大會舉辦了三年，今年是第一次針對開發者舉辦的大會，因為在推動人工智能的三大動力中，除了持續推動技術創新、應用落地之外，非常關鍵的部分是與生態系統和技術社區開展開放協作。因為AI生態鏈上每一個環節都很重要。
展開 AI芯片能否在困局之中破局
不過，它們終究不是為AI算法而定制的，也因此，迎合產業需求發展的AI芯片出現了。
長遠來看，出于對算力、功耗等多方面的考慮，就AI算法加速方面，AI芯片取代傳統芯片是一個必然的結果。屆時，AI芯片或將與CPU、GPU等一起集成到一個完整的處理器中，諸如寒武紀NPU被集成至麒麟970一般，又或者，AI芯片也將作為獨立處理器存在，這一切目前還是未知數。
不過，可以確定的是，就當前而言，我國在AI芯片的研發上已經站在了世界前列。一旦AI芯片實現量產，除了迎合智能時代產業發展的需求，我國還將在芯片產業中獲得一定的話語權，在當前核心技術缺失的困局下實現“彎道超車”。
來源：鎂客網
展開 AI芯片，是中國實現彎道超車最好的機會！
在中國，有如此大的海量應用市場，相當于中國AI芯片有了最肥沃的發展土壤，這是世界上任何一個國家都無法比擬的。
7
結語：AI芯片 中國大有可為
很多人認為，中美貿易摩擦的關鍵原因就是AI和芯片，結合“A_List”排名表及中美兩國的AI芯片廠商，可看出在AI芯片領域，中國的科技力量已經嚴重威脅到了美國的霸主地位，這在其他領域是很難見到的。
需要指出，在AI芯片領域中美并沒有站在同一起跑線上，中國離美國確有一段差距。但欣慰的是，這段差距是可見的、可衡量的，在趨勢、技術、市場三者的加持下，AI芯片是中國最有可能實現彎道超車的領域之一。
從中興事件到“間諜芯片”，美國的主流聲音已經喧囂塵上。長期而言，中美IC產業的實力差距懸殊不會改變。但短期內如果中國能實現點上突破，并以點帶面逐步解除封鎖，才是大家喜聞樂見的。綜上：AI芯片，中國大有可為。
展開 華為AI芯片真能干掉英偉達，顛覆現有格局？
另一方面，在硬件層面，達芬奇如果想徹底戰勝Nvidia的GPU或許還需要在芯片架構上更進一步，如果無法對GPU有數量級的性能優勢，最終恐怕還是會陷入苦戰。
對AI芯片行業的影響
這次華為大舉進軍AI芯片，是AI芯片領域的一個重要事件。天下之勢，分久必合，合久必分，最初的系統廠商如IBM，SUN等的系統都是包含了自研芯片，直到以Intel為代表的標準化處理器芯片崛起以及計算市場利潤變薄后這些系統公司才逐漸放棄自研芯片而轉而采用Intel的標準化處理器芯片；而AI市場目前看來潛力巨大，不同場景差異化大而且對于芯片效率有很高的需求，這也就為系統廠商重新開始自研芯片提供了足夠的動力。 我們認為華為這次自研AI芯片是系統廠商自研芯片趨勢的延續。
在華為之前，已經有Google、Facebook、亞馬遜、阿里巴巴、百度等諸多互聯網系統廠商開始了AI芯片研發，而華為作為中國芯片研發能力最強的系統廠商，進入AI芯片領域可謂是理所當然，因為對于系統廠商來說擁有了自研芯片才能擁有真正的核心競爭力。華為這次進軍AI芯片預計將會引發更多系統廠商進入AI芯片領域，估計海康、大華、曠視、商湯、依圖等都有自研芯片（或者與其他芯片公司合作研發自己專屬的定制化芯片）的商業動力，我們在不久的將來預計會看到更多系統廠商發布自己的芯片，反之缺乏自研芯片能力的系統廠商的生存空間將會受到擠壓，要么逐漸消失，要么找到新的商業模式。
另一方面，對于AI芯片初創公司來說，華為的AI芯片目前并沒有對外銷售的打算，因此華為并非直接競爭對手。此外，由于AI芯片細分市場多，差異化大，華為的AI芯片更有可能發揮鯰魚效應，激勵這些AI芯片初創公司去尋找華為無暇顧及的細分市場，例如功耗小于1W的超低功耗市場等等。
展開 
AI 芯片：智能汽車的黃金賽道
目前，市場上主流的 32 位 MCU 的工作頻率最高只達到 350MHZ，64 位 MCU 擁有更高的算力，但也無法滿足自動駕駛汽車數億行代碼的運算需求，這就需要算力遠高于 MCU 的 AI 芯片來滿足智能駕駛的算力需求。車規級 AI 芯片擁有 TOPS級別（1TOPS=1 萬億次計算每秒）的運算能力，可以為自動駕駛提供保障，例如英偉達 Xiavier/Orin/Atlan 芯片分別可以達到 30/200/1000TOPS 的算力。
AI 芯片主要分為 GPU、FPGA、ASIC，當前主流的 AI 芯片是 GPU，未來可能被 ASIC 替代。三類 AI 芯片之間的區別在于適用范圍不同。GPU 屬于通用型芯片，ASIC 則屬于專用型芯片，而 FPGA 則是介于兩者之間的半定制化芯片。三種AI 芯片各有優劣，但是由于當前用量有限，ASIC 難以形成規模，而 FPGA 的量產成本高，相比于 GPU 而言開發門檻又高，因此目前二者在 AI 芯片市場的占比均不高，GPU 由于運算速率快，且通用性強，開發難度又相對較低，因此在目前及未來一段時間都將占據主流地位。但是隨著 AI 芯片市場規模的擴大，預計在未來某個時間點，高性能、功耗低，量產成本又低的 ASIC 將對功耗高、成本高的GPU 形成替代，成為主流的 AI 芯片。而 FPGA 由于功能可修改這一優勢，在算法不斷更新、迭代的環境下將有很強的競爭優勢，在需求量較小的專用領域將保持住一定的市場份額。
AI 芯片加速上車，今年上市新車型開始使用 AI 芯片。各大車企今年上市的新車型開啟了 AI 芯片上車的時代，其中英偉達、高通、Mobileye 的市場占有率較高：Mobileye 在智能駕駛領域起步早，高通、英偉達則分別在智能座艙、自動駕駛領域處于領先位置。
展開 比特大陸端和云AI芯片路線圖透露的雄心
隨著應用要求的提升，以及技術的不斷成熟，有越來越多的AI芯片開始落地，特別是在云端，AI專用ASIC正在逐步滲透進傳統的x86處理器陣地，典型代表就是谷歌及其TPU，而在中國，也有一家公司，正在全發力專用的AI芯片，這就是一直處于輿論焦點的比特大陸。
長期以來，公眾對于比特大陸的認知，主要停留在”礦機芯片龍頭“層面，但自該公司傳出 IPO 后，尤其是近期其IPO招股書所披露的消息，這家公司的AI 芯片業務正在成為業界關注的話題。
日前，比特大陸正式發布了終端人工智能芯片BM1880，一同發布的還有基于云端人工智能芯片BM1682 的算豐智能服務器SA3、嵌入式AI迷你機SE3、3D人臉識別智能終端以及基于BM1880的開發板、AI模塊、算力棒等產品。
據悉，這家成立于2013年的公司，2015年就開始啟動AI 芯片業務。比特大陸產品戰略總監湯煒偉表示，2015年前后，業界普遍認識到通用處理器無法應對AI處理任務，并開始發力AI專屬處理器?？梢姡忍卮箨懙?em>AI芯片布局還是比較早的。
比特大陸最先推出的是云端AI芯片，也就是2017 年發布的第一代產品BM1680，又在今年第一季度推出了第二代的BM1682。此次又推出了終端側的AI芯片BM1880。湯煒偉表示，比特大陸云端人工智能芯片以9個月速度快速迭代，基于芯片的相關產品在實際運行中表現良好，客戶給出正面反饋，合作正在廣泛展開，很多安防項目持續落地。同時，由于目標市場應用需要端云一體化的AI解決方案，為了更好的滿足客戶與市場的需求，我們決定開發并推出端側的AI芯片及解決方案。
展開 干貨 | CPU、GPU、FPGA、ASIC等AI芯片特性及對比
1、前言
目前，智能駕駛領域在處理深度學習AI算法方面，主要采用GPU、FPGA 等適合并行計算的通用芯片來實現加速。同時有部分芯片企業開始設計專門用于AI算法的ASIC專用芯片，比如谷歌TPU、地平線BPU等。在智能駕駛產業應用沒有大規模興起和批量投放之前，使用GPU、FPGA等已有的通用芯片可以避免專門研發定制芯片（ASIC）的高投入和高風險，但是，由于這類通用芯片設計初衷并非專門針對深度學習，因而存在性能不足、功耗過高等方面的問題。這些問題隨著自動駕駛行業應用規模的擴大將會日益突出。
本文從芯片種類、性能、應用和供應商等多角度介紹AI芯片，用于給行業內入門新人掃盲。
2、什么是人工智能（AI）芯片？
從廣義上講，能運行AI算法的芯片都叫AI芯片。
目前通用的CPU、GPU、FPGA等都能執行AI算法，只是執行效率差異較大。
但狹義上講一般將AI芯片定義為“專門針對AI算法做了特殊加速設計的芯片”。
目前AI芯片的主要用于語音識別、自然語言處理、圖像處理等大量使用AI算法的領域，通過芯片加速提高算法效率。AI芯片的主要任務是矩陣或向量的乘法、加法，然后配合一些除法、指數等算法。AI算法在圖像識別等領域，常用的是CNN卷積網絡，一個成熟的AI算法，就是大量的卷積、殘差網絡、全連接等類型的計算，本質是乘法和加法。
對汽車行業而言，AI芯片的主要用于就是處理智能駕駛中環境感知、傳感器融合和路徑規劃等算法帶來的大量并行計算需求。
AI芯片可以理解為一個快速計算乘法和加法的計算器，而CPU要處理和運行非常復雜的指令集，難度比AI芯片大很多。GPU雖然為圖形處理而設計，但是CPU與GPU并不是專用AI芯片，其內部有大量其他邏輯來實現其他功能，這些邏輯對于目前的AI算法來說完全無用。
展開 科技日報：華為AI芯片很強，但外行請別瞎吹
“一直有傳言說華為在做人工智能芯片，現在我要說……傳言是真的?！?0月10日的一次發布會上，華為輪值董事長徐直軍從兜里掏出的“昇騰”芯片，引發熱烈討論。
圖為輪值董事長徐直軍
近幾天，華為的AI芯片在網絡上越傳越神，被稱作“攻破了又一個讓國人蒙羞的城池”“實現了彎道超車”“跟英特爾一較高下”……這些評價是否準確？
華為AI芯片確有高人之處
電腦和手機計算一般用CPU，因為它面對多樣任務，能力比較平均，像全能冠軍。而人工智能計算呼喚更有針對性的芯片。機器學習有個特征，剛算出來的數往往再投入結算，一輪輪迭代以凸顯關鍵細節。這種計算不需要太多數據緩存單元，不需要復雜的邏輯控制，只要計算單元夠多就行。最好是從內存里讀一次數據的時間，能多算幾輪。
圖形處理器（GPU）就比CPU更適合這類運算，從而經常用于AI“神經網絡”。英偉達（NVIDIA）是GPU的第一生產商，近年借AI東風大火特火。曾幾何時，算力需求比較穩定，大家都用英特爾的標準芯片。自從AI市場被看好，算力嚴重不足，各大廠商也開始自研芯片，分英偉達一杯羹。Google、Facebook、亞馬遜、阿里巴巴等都在研發AI芯片，華為是后來者。
“AI芯片可以分兩個范疇，一是訓練，一是推理?！彪娮觿撔戮W創始人、半導體技術專家張國斌說。所謂訓練，就是給機器“喂”大數據，讓它慢慢學會識別和區分對象；所謂推理，就是讓訓練好的機器干活。
推理芯片上，華為此前發布的麒麟芯片已實現手機端推理，而非遞交云端。張國斌說，華為在手機端推理領域已領先世界。
而在訓練芯片上，英偉達仍遙遙領先。但是，此次發布的將用于服務器的華為“昇騰910”，是目前單芯片計算密度最大的，比英偉達的同類芯片高出1倍。徐直軍表示，華為準備構建的昇騰Plus系統，將連接1024個AI芯片，成為全球最大的分布式訓練系統。
展開 5個功能讓AI芯片小宇宙爆發
在剛剛過去的9月和10月里，隨著手機芯片AI化的兩個主流玩家新品的亮相，即華為麒麟980和蘋果的A12處理器的推出，手機端AI芯片2019年的競爭格局也隨之定下了基調。
智東西此前也曾探討過未來一段時間里手機AI芯片競爭的五大典型趨勢（決定未來的手機AI芯片五大趨勢，華為蘋果率先起跑）。這五大趨勢分別為架構升級、工藝制程升級、系統層建設、應用生態、體驗進化，而圍繞這五大趨勢的AI芯片行業升級，將很大程度上影響未來智能手機江湖市場格局。
而在智能手機領域，隨著智能手機廠商的競爭越來越激烈，智能手機市場不僅拼外形、拼服務，更是拼上了AI、拍照等“新技術、硬科技”。這些技術的實現離不開芯片作為核心進行支持。于是，智能手機之爭，也進一步演進到了芯片之爭。
說到AI芯片帶給智能手機在體驗方面的升級，華為的新款AI芯片麒麟980已從上一代的在拍照中進行物體識別、場景識別，發展到針對視頻中人體姿態、動作進行實時AI分析。
近日，隨著麒麟980的首搭機型Mate 20系列正式發售，智東西也在第一時間拿到該產品。我們選擇了五個最能體現AI芯片能力的功能場景來探究，達到最新7nm技術標準的AI芯片，在突破手機應用極限方面的表現到底如何？
AI芯片前沿技術的嘗鮮者——麒麟980
芯片是智能手機的大腦，在智能手機工作的每時每刻都在不停地進行著計算。因此，芯片也決定著智能手機的性能和應用的想象空間。
進入2018年下半年，手機端AI芯片也發展到了一個新的階段，7nm制程工藝落地、多核處理單元架構被華為、蘋果廣泛采用。麒麟980芯片作為這些最前沿技術的嘗鮮者，率先進行了落地。
展開 一個行內人對AI芯片行業的評價
如此高性能的芯片同時還做到了相對的低功耗（30-60瓦）。可以說，這款為自動駕駛定制的芯片，目的就是取代當前智能車上所有其他芯片的算力。這種架構方式也類似于當前智能手機一顆SoC打天下的方式。同時英偉達在自動駕駛軟件架構和算法研發上也不惜余力，已經把很多自動駕駛功能直接整合到芯片上并且開放給合作伙伴。
為什么在自動駕駛領域如此發力？究其原因，還是百億美元場景太少。已經提到的三個場景里，低功耗AI芯片技術門檻不夠高，容易變成價格戰“紅?！?；服務器領域場景需求還未明朗，所有公司都對英特爾忌憚三分。所以真正開放的、有技術門檻的戰場只有自動駕駛。英偉達全力一搏，為的是下一個十年。而業內人士也深為“核彈教主”黃仁勛的長線眼光折服。
在服務器和數據中心AI領域，英偉達和眾多其他公司也沒有止步不前。英偉達最近發布的T4已經把服務器上的預測功能提升到大規模、低成本的水平。給其他廠家帶來了很大壓力。華為、英特爾甚至互聯網公司阿里巴巴也紛紛公布了未來的云端AI芯片規劃，其中英特爾能否在2019年推出（或集成）眾盼已久的Nervana AI內核，已經成為對當前英特爾執行能力的一個考驗。
在移動領域，盡管高通股價已從昔日高點跌落甚多，但其強大的技術能力和數百億美元的現金儲備仍不能小覷。在移動領域仍然是通信和移動計算為核心的前提下，未來高通芯片上集成AI內核只是時間問題。
如果用一句話描述近幾年的AI芯片領域，就是萬類霜天競自由。
展開 AI 芯片和傳統芯片的區別
所謂的AI芯片，一般是指針對AI算法的ASIC（專用芯片）。
傳統的CPU、GPU都可以拿來執行AI算法，但是速度慢，性能低，無法實際商用。
比如，自動駕駛需要識別道路行人紅綠燈等狀況，但是如果是當前的CPU去算，那么估計車翻到河里了還沒發現前方是河，這是速度慢，時間就是生命。如果用GPU，的確速度要快得多，但是，功耗大，汽車的電池估計無法長時間支撐正常使用，而且，老黃家的GPU巨貴，經常單塊上萬，普通消費者也用不起，還經常缺貨。另外，GPU因為不是專門針對AI算法開發的ASIC，所以，說到底，速度還沒到極限，還有提升空間。而類似智能駕駛這樣的領域，必須快！在手機終端，可以自行人臉識別、語音識別等AI應用，這個必須功耗低，所以GPU OUT！
所以，開發ASIC就成了必然。
說說，為什么需要AI芯片。
AI算法，在圖像識別等領域，常用的是CNN卷積網絡，語音識別、自然語言處理等領域，主要是RNN，這是兩類有區別的算法。但是，他們本質上，都是矩陣或vector的乘法、加法，然后配合一些除法、指數等算法。
一個成熟的AI算法，比如YOLO-V3，就是大量的卷積、殘差網絡、全連接等類型的計算，本質是乘法和加法。對于YOLO-V3來說，如果確定了具體的輸入圖形尺寸，那么總的乘法加法計算次數是確定的。比如一萬億次。（真實的情況比這個大得多的多）
那么要快速執行一次YOLO-V3，就必須執行完一萬億次的加法乘法次數。
這個時候就來看了，比如IBM的POWER8，最先進的服務器用超標量CPU之一，4GHz，SIMD，128bit，假設是處理16bit的數據，那就是8個數，那么一個周期，最多執行8個乘加計算。一次最多執行16個操作。這還是理論上，其實是不大可能的。
展開 
一文讀懂丨AI芯片：未來將走向何方？
近幾年，AI技術不斷取得突破性進展。作為AI技術的重要物理基礎，AI芯片擁有巨大的產業價值和戰略地位。但從大趨勢來看，目前尚處于AI芯片發展的初級階段，無論是科研還是產業應用都有巨大的創新空間?，F在不僅英偉達、谷歌等國際巨頭相繼推出新產品，國內百度、阿里等紛紛布局這一領域，也誕生了寒武紀等AI芯片創業公司。在CPU、GPU等傳統芯片領域與國際相差較多的情況下，中國AI芯片被寄望能實現彎道超車。
官網百萬年薪招攬人才，瞄準AI芯片
從人才看騰訊芯片布局
官網顯示，今年6月下旬以來，騰訊新增了一批芯片相關的崗位。
整體來看，芯片技術崗大約有15+個，分為硬件和軟件兩種，硬件上包括芯片架構、芯片設計、硬件電子開發、FPGA等，軟件則包含AI編譯器、芯片底層軟件等。
技術需求上，確實如騰訊所說，招聘方向基本都與專用芯片相關。
芯片分為兩個大類，通用芯片包括CPU、GPU、DSP；專用芯片包括FPGA、ASIC（包括AI芯片，即針對AI算法的ASIC）。
其中，硬件如芯片架構師，主要負責AI芯片和通用處理器或是細分領域的需求分析，主導AI處理器芯片架構設計、競爭分析和規格定義，也負責主導關鍵技術研究。
FPGA開發工程師則包括設計、開發FPGA代碼，配合軟件工程師聯調軟硬件，要求有5年以上經驗，且熟悉相應的FPGA芯片開發流程。
芯片驗證工程師則主要負責FPGA、芯片兩塊的驗證工作，需要從驗證環境、方案開始搭建。
軟件如AI編譯器工程師，則主要負責AI編譯器架構設計、AI芯片工具鏈開發、算子開發DSL語言設計等。
薪資上，騰訊官網并未給出具體的薪資數額，不過從BOSS直聘上發布的部分崗位來看，騰訊芯片相關的崗位月薪2萬起步，最高能達到10萬（16薪），基本是目前行業的平均水平。
展開 阿里平頭哥能完成國產AI芯片的中國夢嗎？
而目前市場上幾間芯片巨頭，事實上在AI 領域上的進攻，也是針對圖像應用方面，與阿里不謀而合，原因無他，即是因為，目前AI 在圖像應用領域發展最迅速，阿里的基本路線，與目前AI 芯片公司大致一致。
阿里首席技術長張建鋒圖片來源：阿里巴巴2018 全球投資者大會
據阿里本次公布數據顯示，從開始構思到Ali-NPU 架構設計與前端布局，團隊大約只花了半年，按照設計，阿里分析，該芯片的C/P 值可能將是目前「同類產品」的40 倍，同時在模擬測試中，Ali-NPU 的原型更讓鋪設阿里城市大腦的硬體成本節約了35%。
但阿里并未說明所謂「同類產品」為何，故市場并無法得知阿里所比較的這些競爭對手究竟是誰，市場人士分析，阿里對比的「同類產品」，可能只是一般的CPU，因阿里的比較項目還是「C/P 值」，這意味著阿里強調的40 倍，很可能不全是芯片的性能差距，同時還有一般與專用芯片的功耗差距；故市場推測，兩者功耗差距可能約在5 倍左右，性能差距則約在8 倍，相乘之后即得40 倍。
「平頭哥」能否實現中國國產AI 芯片化的「中國夢」？
目前AI芯片市場上有兩大巨頭，一為Google ( GOOG-US )旗下的TPU芯片，TPU正是支撐了AlphaGo強大運算力的基石。
據Google 在今年四月發布的TPU 論文顯示，TPU 并不是專為某一個神經網路所作出的設計，TPU 能在多種網路環境如卷積網路、LSTM 模型和大規模連線神經網路等，在這些網路上執行CISC 指令。
而AI芯片的另一巨頭即是Nvidia ( NVDA-US )，以Nvidia最新的高效GPU加速卡TESLA T4為例，性能相當突出，迄今為止，絕大部分的AI芯片新創公司即是拿TESLA P4作為「對標產品」。
展開 一文看全：全球99家AI芯片公司全景圖
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發布時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
IC供應商（15家）
科技巨頭&HPC供應商（15家）
IP供應商（7家）
中國芯片初創公司（15家）
全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公布了即將推出的高性能AI加速器的新細節：Intel?Nervana?神經網絡處理器，其中NNP-T用于訓練，NNP-I用于推理。英特爾的工程師展示了混合芯片封裝技術、Intel? Optane? DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ?5，作為一個視覺中央計算機，為將于2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ?SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。
展開 