Molex与埃森哲 (Accenture) (NYSE: ACN) 及亚马逊网络服务(Amazone Web Services, AWS) 开展合作,拓展其在自动驾驶汽车和互连车辆上的实力,将边缘计算和语音辅助功能引入到Molex的汽车以太网络平台当中。
作为众多互联网及软件巨头企业数据中心光模块的主流方案供应商,Maxim的100G单模光模块方案目前在全球市场占据了最高份额。
2017年,工信部正式颁布云牌照监管政策,让很多企业在合规路上如履薄冰,所幸393张云牌照让主流云厂商全部上岸。可这一年,烧钱的价格战让大批企业负重前行。2018年,云行业价格战减缓,合规不再是主题。
全球半导体增速放缓对赛灵思会有挑战但是也是机遇,某个市场的疲软并不能对赛灵思有太大的影响。更重要的是,赛灵思所倡导和提供的灵活应变的异构计算,是当今产业转型和风起云涌的创新创业热潮亟需的引擎, 是后摩尔定律时代计算的大势所趋。
“中国是一个庞大而重要的市场,我们重视与中国客户的关系。在与西安合作伙伴已投资的超10亿美元的基础上,美光将继续投资中国。”
在追逐算力的道路上狂奔的企业并不多,但地平线算一家。从最早一批在AI芯片领域创业,到成为台积电全球AI芯片第一家客户,地平线一直是高性能、低功耗、低成本的嵌入式AI解决方案立足行业,用“征程”+“旭日
近日,在2018边缘计算产业峰会上,工信部表示将加大对边缘计算支持力度,努力营造良好环境,推动边缘计算持续健康发展。
邬贺铨院士针对边缘计算提出的10个问题,算是直戳核心(后文附)。实际上这和边缘计算还未真正落地有关。在工业互联网的发展中,边缘计算将成为重要的支撑与使能技术。国家在十三五规划中提出的两化融合、《中国制
全球领先的嵌入式解决方案供应商赛普拉斯半导体公司(Cypress Semiconductor Corp.)(纳斯达克代码:CY)日前宣布,进一步扩充其物联网产品组合,为超低功耗的PSoC® 6 MCU产品系列再添新成员。全新的PSoC 6 MCU专为物联网设备而设计,能够满足其不断增长的边缘计算、连接和存储需求。全新的MCU采用1MB SRAM和2MB FLASH嵌入式存储器,支持计算密集型算法、连接栈和数据记录。
目前大多数训练都是在数据中心进行的,但也有少数是在边缘端进行。像Google、Facebook、Amazon、Apple和Microsoft这样的大公司都拥有大量消费者资料,因此可以为他们的“服务器农场”提供足够多的数据进行工业规模的AI训练,以改善其算法。训练阶段需要速度非常高的处理器,例如绘图处理器(GPU)或Google开发的张量处理器(TPU)。
如何应对第五次数据驱动浪潮?Arm已经做好了规划。
Marvell ®在需求严苛的各种网络边缘计算领域,一直居于领先地位。这得益于公司ARMADA® 和 OCTEON TX® 两条多核处理器产品所带来的联发优势。
日前,Gartner公司列出了企业组织在2019年需要探究的几大战略性技术趋势(Gartner Top 10 Strategic Technology Trends 2019):自主设备、增强分析、AI驱动的开发、数字双生、边缘计算、沉浸式体验、区块链、智能空间、数字道德和隐私、量子计算。
为了解决网络拥堵的问题,一些IT公司开始推出边缘计算产品,并得到了工业用户的广泛使用。边缘计算允许物联网设备生成的数据在更接近创建的位置处理,而不是通过长路径发送到数据中心或云,从而减轻了网络带宽的负荷,同时也提升了现场数据处理的及时性。
互联网、PC时代占尽风头的英特尔,在移动互联网时代小让ARM一局后,进入物联网(IoT)时代的规划布局开始紧凑。随着边缘侧能力逐渐增强,英特尔似乎已经找到了重回主场的感觉,边缘计算也已成为英特尔
边缘计算近来成为一个热点话题,初创公司江行智能瞄准了边缘计算在电力、新能源、工业流水线监控、智慧场馆等领域的应用,公司成立伊始即获得红杉资本中国种子基金数千万元的风险投资。公司的CEO刘江川教授是一个
消息:9月20日,阿里云IoT在2018杭州云栖大会上宣布与英特尔在物联网领域达成深度合作,双方整合各自在云和边缘计算上的优势,为全球企业带来云边一体化边缘计算产品。阿里云IoT此前针对边缘计算有Li
9月中旬,D&R IP SoC China会议在上海长荣桂冠酒店举行,基于FPGA的硬件加速器件和嵌入式FPGA知识产权(eFPGA IP)领域的领导性企业Achronix半导体公司在会议期间发表演讲并进行现场展示。
可以说,“边缘计算”,正在成为人工智能行业最关注的一大课题,从芯片、终端,再到算法、应用,新的技术趋势对于每一个环节都提出了严峻的挑战。
计算力会有尽头吗?智慧城市、智慧工业、智能驾驶、新零售等物联网应用无一不和数据紧密相关,每种应用的落地都伴随大量数据的产生。据分析师预测,到2025年,全球数据量将剧增至现在的10倍,达到163 ZB。如此巨大的数据只有通过算法分析提取有效数据,才会做出判断产生价值,而且随着人工智能的发展,新应用对计算力的需求会更高。