據韓聯社6月26日報道,韓國政府將與人工智能芯片和云計算企業聯合,組成一個團隊,開發高運算能力和低能耗的神經網絡處理器(npu)推理芯片。這是為了避開nvidia的長期gpu進行競爭。該項目為延長韓國在半導體領域的地位而努力,并為到2030年取得顯著的成果而努力。
科學技術信息通訊部長官李宗昊26日主持第三次人工智能半導體戰略對話,公布了“k-云計算”(韓國云計算)項目第一期的出臺。三星電子、sk海力士等大企業和國內ai半導體創業企業、云計算領域的企業參加了當天的活動。
據介紹,韓國npu芯片研發第一期項目將投資1000億韓元,到2025年完成神經網絡處理器驗證。第二步,到2028年研制出低功耗pim芯片。第三期的目標是到2030年為止研究開發超低電力低電力存儲器芯片。該項目的最終目標是到2030年將ai芯片技術提升到世界第一。
聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。
舉報投訴
-
芯片
+關注
關注
459文章
52421瀏覽量
439578 -
云計算
+關注
關注
39文章
7974瀏覽量
139831 -
人工智能
+關注
關注
1806文章
48967瀏覽量
248637
發布評論請先 登錄
相關推薦
熱點推薦
【「芯片通識課:一本書讀懂芯片技術」閱讀體驗】從deepseek看今天芯片發展
的:
神經網絡處理器(NPU)是一種模仿人腦神經網絡的電路系統,是實現人工智能中神經網絡計算的專用處理器
發表于 04-02 17:25
BP神經網絡與卷積神經網絡的比較
多層。 每一層都由若干個神經元構成,神經元之間通過權重連接。信號在神經網絡中是前向傳播的,而誤差是反向傳播的。 卷積神經網絡(CNN) : CNN主要由卷積層、池化層和全連接層組成。
NPU是如何發展起來的?性能受哪些因素影響?
(電子發燒友網綜合報道) NPU是一種專門用于加速神經網絡計算的硬件處理器。隨著人工智能和深度學習技術的快速發展,傳統的CPU和GPU在處理復雜的神
卷積神經網絡與傳統神經網絡的比較
在深度學習領域,神經網絡模型被廣泛應用于各種任務,如圖像識別、自然語言處理和游戲智能等。其中,卷積神經網絡(CNNs)和傳統神經網絡是兩種常見的模型。 1. 結構差異 1.1 傳統
NPU與傳統處理器的區別是什么
隨著人工智能技術的快速發展,深度學習成為了推動這一進步的核心動力。深度學習模型,尤其是神經網絡,需要大量的并行計算能力來訓練和推理。為了滿足這一需求,NPU(神經處理單元)應運而生,與
NPU在邊緣計算中的優勢
隨著物聯網(IoT)和5G技術的發展,邊緣計算作為一種新興的計算模式,正在逐漸成為處理和分析數據的重要手段。 NPU的定義與功能 NPU是一種專門為深度學習和神經網絡運算設計的
NPU和GPU有什么區別
NPU(Neural Processing Unit,神經網絡處理器) 是一種專門設計用于加速神經網絡運算的硬件加速器。它的核心理念是模擬人
神經網絡辨識模型具有什么特點
神經網絡辨識模型是一種基于人工神經網絡的系統辨識方法,它具有以下特點: 非線性映射能力 :神經網絡能夠處理非線性問題,可以很好地擬合復雜的非線性系統。 泛化能力 :
什么是神經網絡加速器?它有哪些特點?
神經網絡加速器是一種專門設計用于提高神經網絡計算效率的硬件設備。隨著深度學習技術的快速發展和廣泛應用,神經網絡模型的復雜度和計算量急劇增加,對計算性能的要求也越來越高。傳統的通用
怎么對神經網絡重新訓練
重新訓練神經網絡是一個復雜的過程,涉及到多個步驟和考慮因素。 引言 神經網絡是一種強大的機器學習模型,廣泛應用于圖像識別、自然語言處理、語音識別等領域。然而,隨著時間的推移,數據分布可能會
pytorch中有神經網絡模型嗎
處理、語音識別等領域取得了顯著的成果。PyTorch是一個開源的深度學習框架,由Facebook的AI研究團隊開發。它以其易用性、靈活性和高效性而受到廣泛歡迎。在PyTorch中,有許多預訓練的神經網絡模型可供選擇,這些模型可以
遞歸神經網絡和循環神經網絡的模型結構
遞歸神經網絡是一種旨在處理分層結構的神經網絡,使其特別適合涉及樹狀或嵌套數據的任務。這些網絡明確地模擬了層次結構中的關系和依賴關系,例如語言中的句法結構或圖像中的層次表示。它使用遞歸操

BP神經網絡和卷積神經網絡的關系
BP神經網絡(Backpropagation Neural Network)和卷積神經網絡(Convolutional Neural Network,簡稱CNN)是兩種在人工智能和機器學習領域
BP神經網絡和人工神經網絡的區別
BP神經網絡和人工神經網絡(Artificial Neural Networks,簡稱ANNs)之間的關系與區別,是神經網絡領域中一個基礎且重要的話題。本文將從定義、結構、算法、應用及未來發展等多個方面,詳細闡述BP
評論